Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Ein Graph-Co-Training-Ansatz für das Lernen weniger Beispiele

Wir präsentieren einen neuartigen Graph-Co-Training-Ansatz (GCT), der das Problem der Feature-Extractor-Maladaptation in halbüberwachtem Lernen weniger Beispiele adressiert. GCT kombiniert ein neuartiges Isolated Graph Learning (IGL) mit einem Co-Training-Rahmenwerk, um die Robustheit des Klassifikators durch Fusion multimodaler Informationen zu verbessern.