在人類的教學(xué)過(guò)程中，老師扮演著重要的角色，通過(guò)為學(xué)生提供有用的解釋、比較、舉一反三等有效輔助知識(shí)，以提高他們的表現(xiàn)。受這一事實(shí)的啟發(fā)，學(xué)者們提出了多種特權(quán)信息學(xué)習(xí)范例，老師在訓(xùn)練階段提供的有關(guān)示例的信息，測(cè)試過(guò)程無(wú)法獲取。實(shí)際情況下，現(xiàn)有方法缺乏解決數(shù)據(jù)中潛在噪聲的明確策略，同時(shí)特權(quán)信息可能并不總是準(zhǔn)確的，這將影響模型的性能。針對(duì)以上問(wèn)題，本文提出了針對(duì)普通數(shù)據(jù)、特權(quán)信息不準(zhǔn)確以及特權(quán)信息缺失時(shí)的魯棒學(xué)習(xí)方法，基于SVM+目標(biāo)函數(shù)，分別設(shè)計(jì)了魯棒SVM+策略和缺失情況的Incomplete SVM+方法，在MNIST+數(shù)據(jù)集、RGB-D人臉數(shù)據(jù)集、人類活動(dòng)識(shí)別數(shù)據(jù)集和Tiny ImageNet分類數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，本文提出的方法能夠有效利用特權(quán)信息進(jìn)行建模，讓AI模型具備“舉一反三”的學(xué)習(xí)能力。

文章鏈接：https://dl.acm.org/doi/10.5555/3304889.3304995