Conjunto de apilamiento auto-supervisado

El Conjunto de apilamiento auto-supervisado combina la generalización apilada —la arquitectura clásica de conjunto de dos niveles introducida por Wolpert (1992)— con el preentrenamiento auto-supervisado, permitiendo que los modelos base aprendan representaciones ricas a partir de datos sin etiquetar antes de ser ajustados y apilados. Esta estrategia híbrida es especialmente potente cuando los ejemplos etiquetados son escasos pero los datos sin etiquetar son abundantes.