Self-supervised Boosting

Self-supervised Boosting integriert selbstüberwachte Prätext-Aufgaben in das Boosting-Framework – einschließlich AdaBoost, Gradient Boosting und deren modernen Varianten –, um große Mengen unbeschrifteter Daten zu nutzen. Durch das anfängliche Erlernen von Merkmalsrepräsentationen aus unbeschrifteten Stichproben und anschließendes sequenzielles Trainieren von Schwach-Lerner-Ensembles auf Pseudo-beschrifteten Daten wird eine wettbewerbsfähige Genauigkeit erzielt, selbst wenn die Ground-Truth-Beschriftungen knapp sind.