تقترح هذه الورقة طريقة نمذجة عبر الأجهزة تدمج آلية الانتباه متعددة المقاييس مع التعلم المتقابل للمجالات. في مرحلة استخراج الميزات، يتم بناء شبكة ترميز-فك ترميز أحادية الأبعاد تجمع بين وحدة الانتباه الخاصة بالكتل الالتفافية ودمج الميزات متعددة المقاييس لالتقاط الاتجاهات العالمية والسمات التفصيلية المحلية للطيف مع كبح الضوضاء؛ في استراتيجية النقل يتم إدخال التعلم المتقابل للمجالات من خلال تدريب متقابل على طبقة عكس التدرج ومصنف المجال لتحقيق محاذاة شاملة لتوزيع ميزات الأجهزة المصدر والهدف، مع دمج تحويل المتغيرات الطبيعية المعيارية ومرشح سافيتسكي-جولي لتنعيم الطيف وتحسين تجانس الإدخال ونسبة الإشارة إلى الضوضاء. في التحقق التقاطعي بثماني طيات على 1330 عينة طيف لألومنيوم البوكسيت تم جمعها باستخدام جهازين محمولين للأشعة تحت الحمراء القريبة، بلغت معامل التحديد على الجهاز الهدف 0.8603 ومتوسط الخطأ التربيعي الجذري 1.7521، متفوقًا بوضوح على طرق المعايرة التقليدية والعديد من نماذج التعلم العميق الأساسية. كما تؤكد تصورات توزيع الميزات وتجارب الإلغاء فعالية دمج الميزات متعددة المقاييس وآلية الانتباه واستراتيجية التعلم المتقابل في محاذاة الميزات وتحسين الأداء.

طيف الأشعة تحت الحمراء القريبة;التعلم الانتقالي;البوكسيت;الدمج متعدد المقاييس