Selv-supervisert Boosting

Selv-supervisert boosting integrerer selv-superviserte forhåndsoppgaver i boosting-rammeverket — som dekker AdaBoost, gradient boosting og deres moderne varianter — for å utnytte store mengder umerkede data. Ved først å lære trekkrepresentasjoner fra umerkede utvalg og deretter kjøre sekvensielle svake-lærer-ensembler på pseudo-merkede data, oppnår det konkurransedyktig nøyaktighet selv når sanne merkelapper er knappe.