Robuste Ensemble-Lernmethode für wenige Stichproben mit fokussierter Diversitätsbasierter Ausdünnung
Eine fokussierte Diversitätsoptimierung für das Ensemble-Lernen mit wenigen Stichproben, die die Robustheit und Generalisierungsleistung von vortrainierten Modellen für wenige Stichproben verbessert.
