multi-view-learning

ProPRL提出了一种属性感知的前置关系学习框架，用于教育知识图谱，结合概念-资源超图和有向行为图，采用自适应成对条件融合与不可逆性约束，实现了最先进的性能。

本文研究了利用结构化健康记录的多层次视图，通过交互感知的Mixture-of-Experts进行中风后僵硬预测。尽管性能提升微乎其微，但路由归因揭示了不同视图间系统性的重要性差异，强调视图构建是实现可解释性的关键。

本文提出了一种以Token为中心的双视角学习框架，在冻结的视觉Transformer中统一了基于提示的适配和跨视角融合，以改善基于乳腺X线图像的乳腺癌分类，在VinDr-Mammo和CMMD数据集上取得了一致的性能提升。

ConfSleepNet 是一种冲突感知的证据框架，使用多模态数据进行可靠的睡眠阶段分类。它引入了混合类别结构和冲突感知聚合方法来解决视角间冲突，在睡眠分期任务上展示了有效性。