Buchumschlag

Langevin Unlearning: A New Perspective of Noisy Gradient Descent for Machine Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chien, Eli, Wang, Haoyu, Chen, Ziang, Li, Pan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Certified Machine Unlearning via Noisy Stochastic Gradient Descent
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Federated Unlearning with Gradient Descent and Conflict Mitigation
von: Pan, Zibin, et al.
Veröffentlicht: (2024)

Descend or Rewind? Stochastic Gradient Descent Unlearning
von: Mu, Siqiao, et al.
Veröffentlicht: (2025)

Machine Unlearning with Minimal Gradient Dependence for High Unlearning Ratios
von: Huang, Tao, et al.
Veröffentlicht: (2024)

Targeted Unlearning with Single Layer Unlearning Gradient
von: Cai, Zikui, et al.
Veröffentlicht: (2024)

Machine Unlearning of Pre-trained Large Language Models
von: Yao, Jin, et al.
Veröffentlicht: (2024)

Convergent Privacy Loss of Noisy-SGD without Convexity and Smoothness
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Learning to Unlearn while Retaining: Combating Gradient Conflicts in Machine Unlearning
von: Patel, Gaurav, et al.
Veröffentlicht: (2025)

Breaking the Trilemma of Privacy, Utility, Efficiency via Controllable Machine Unlearning
von: Liu, Zheyuan, et al.
Veröffentlicht: (2023)

Contrastive Unlearning: A Contrastive Approach to Machine Unlearning
von: Lee, Hong kyu, et al.
Veröffentlicht: (2024)

FUNU: Boosting Machine Unlearning Efficiency by Filtering Unnecessary Unlearning
von: Li, Zitong, et al.
Veröffentlicht: (2025)

Rethinking LLM Unlearning Objectives: A Gradient Perspective and Go Beyond
von: Wang, Qizhou, et al.
Veröffentlicht: (2025)

Controllable Machine Unlearning via Gradient Pivoting
von: Hwang, Youngsik, et al.
Veröffentlicht: (2025)

Is Gradient Ascent Really Necessary? Memorize to Forget for Machine Unlearning
von: Huang, Zhuo, et al.
Veröffentlicht: (2026)

MeGU: Machine-Guided Unlearning with Target Feature Disentanglement
von: Wang, Haoyu, et al.
Veröffentlicht: (2026)

Underestimated Privacy Risks for Minority Populations in Large Language Model Unlearning
von: Wei, Rongzhe, et al.
Veröffentlicht: (2024)

Machine Unlearning in Contrastive Learning
von: Wang, Zixin, et al.
Veröffentlicht: (2024)

Machine Unlearning for Robust DNNs: Attribution-Guided Partitioning and Neuron Pruning in Noisy Environments
von: Jin, Deliang, et al.
Veröffentlicht: (2025)

Unified Gradient-Based Machine Unlearning with Remain Geometry Enhancement
von: Huang, Zhehao, et al.
Veröffentlicht: (2024)

Rectifying Privacy and Efficacy Measurements in Machine Unlearning: A New Inference Attack Perspective
von: Naderloui, Nima, et al.
Veröffentlicht: (2025)

Agentic Unlearning: When LLM Agent Meets Machine Unlearning
von: Wang, Bin, et al.
Veröffentlicht: (2026)

Verification of Machine Unlearning is Fragile
von: Zhang, Binchi, et al.
Veröffentlicht: (2024)

Instance-Level Difficulty: A Missing Perspective in Machine Unlearning
von: Rizwan, Hammad, et al.
Veröffentlicht: (2024)

Conformal Unlearning: A New Paradigm for Unlearning in Conformal Predictors
von: Alkhatib, Yahya, et al.
Veröffentlicht: (2025)

Machine Unlearning for Streaming Forgetting
von: Shen, Shaofei, et al.
Veröffentlicht: (2025)

An Illusion of Unlearning? Assessing Machine Unlearning Through Internal Representations
von: Gao, Yichen, et al.
Veröffentlicht: (2026)

Towards Natural Machine Unlearning
von: He, Zhengbao, et al.
Veröffentlicht: (2024)

A Review on Machine Unlearning
von: Zhang, Haibo, et al.
Veröffentlicht: (2024)

Deep Unlearn: Benchmarking Machine Unlearning for Image Classification
von: Cadet, Xavier F., et al.
Veröffentlicht: (2024)

Machine Unlearning in Forgettability Sequence
von: Chen, Junjie, et al.
Veröffentlicht: (2024)

Erase at the Core: Representation Unlearning for Machine Unlearning
von: Lee, Jaewon, et al.
Veröffentlicht: (2026)

Efficient Verified Machine Unlearning For Distillation
von: Quan, Yijun, et al.
Veröffentlicht: (2025)

Efficient Utility-Preserving Machine Unlearning with Implicit Gradient Surgery
von: Zhou, Shiji, et al.
Veröffentlicht: (2025)

Statistical Roughness-Informed Machine Unlearning
von: Partohaghighi, Mohammad, et al.
Veröffentlicht: (2026)

Adversarial Machine Unlearning
von: Di, Zonglin, et al.
Veröffentlicht: (2024)

Learning to Unlearn for Robust Machine Unlearning
von: Huang, Mark He, et al.
Veröffentlicht: (2024)

Reference-Guided Machine Unlearning
von: Mirlach, Jonas, et al.
Veröffentlicht: (2026)

Sharpness-Aware Machine Unlearning
von: Tang, Haoran, et al.
Veröffentlicht: (2025)

Fairness and Robustness in Machine Unlearning
von: Tran, Khoa, et al.
Veröffentlicht: (2025)

Machine Unlearning: Solutions and Challenges
von: Xu, Jie, et al.
Veröffentlicht: (2023)