返回
Hessian-guided gradient unlearning
DOI:10.1016/j.neucom.2026.135115.png)
摘要
En 中文
• 提出了一种基于Hessian引导的梯度遗忘(HGU)框架,用于深度模型中的可扩展数据移除。
• 结合梯度效率和基于Hessian的精确性,以提升遗忘性能。
• 引入了曲率感知更新,能够在不进行完整模型再训练的情况下近似再训练过程。
• 实现了89.8%的保留准确率和48.4%的遗忘类别准确率。
• 验证了在CIFAR-10、ImageNet-Subset和网级数据集上的可扩展性。
Keyword:
Machine unlearning
Gradient-based unlearning
Hessian-based approximation
Inpainting
Data privacy
Responsible AI
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
暂无机构信息
引用论文
Real-Time Diagnosis of Configuration Errors for Software of AI Server InfrastructureAI服务器基础设施软件配置错误的实时诊断
没有更多内容

