Buchumschlag

Dynamic Graph Unlearning: A General and Efficient Post-Processing Method via Gradient Transformation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, He, Wu, Bang, Yang, Xiangwen, Yuan, Xingliang, Liu, Xiaoning, Yi, Xun
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

Trustworthy Graph Neural Networks: Aspects, Methods and Trends
von: Zhang, He, et al.
Veröffentlicht: (2022)

Unraveling Privacy Risks of Individual Fairness in Graph Neural Networks
von: Zhang, He, et al.
Veröffentlicht: (2023)

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

Unsupervised Backdoor Detection and Mitigation for Spiking Neural Networks
von: Li, Jiachen, et al.
Veröffentlicht: (2025)

Transformers Efficiently Perform In-Context Logistic Regression via Normalized Gradient Descent
von: Zhang, Chenyang, et al.
Veröffentlicht: (2026)

Robust OOD Graph Learning via Mean Constraints and Noise Reduction
von: Zhou, Yang, et al.
Veröffentlicht: (2025)

A Batch-Insensitive Dynamic GNN Approach to Address Temporal Discontinuity in Graph Streams
von: Zhou, Yang, et al.
Veröffentlicht: (2025)

FedMobile: Enabling Knowledge Contribution-aware Multi-modal Federated Learning with Incomplete Modalities
von: Liu, Yi, et al.
Veröffentlicht: (2025)

CUFG: Curriculum Unlearning Guided by the Forgetting Gradient
von: Miao, Jiaxing, et al.
Veröffentlicht: (2025)

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

PrivTune: Efficient and Privacy-Preserving Fine-Tuning of Large Language Models via Device-Cloud Collaboration
von: Liu, Yi, et al.
Veröffentlicht: (2025)

Unified Parameter-Efficient Unlearning for LLMs
von: Ding, Chenlu, et al.
Veröffentlicht: (2024)

Unlearning during Learning: An Efficient Federated Machine Unlearning Method
von: Gu, Hanlin, et al.
Veröffentlicht: (2024)

Complete and Efficient Graph Transformers for Crystal Material Property Prediction
von: Yan, Keqiang, et al.
Veröffentlicht: (2024)

Efficient Knowledge Graph Unlearning with Zeroth-order Information
von: Xiao, Yang, et al.
Veröffentlicht: (2025)

Graph Unlearning with Efficient Partial Retraining
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

U-CAN: Utility-Aware Contrastive Attenuation for Efficient Unlearning in Generative Recommendation
von: Wu, Zezheng, et al.
Veröffentlicht: (2026)

Efficient Machine Unlearning via Influence Approximation
von: Liu, Jiawei, et al.
Veröffentlicht: (2025)

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

BadSampler: Harnessing the Power of Catastrophic Forgetting to Poison Byzantine-robust Federated Learning
von: Liu, Yi, et al.
Veröffentlicht: (2024)

Recover-to-Forget: Gradient Reconstruction from LoRA for Efficient LLM Unlearning
von: Liu, Yezi, et al.
Veröffentlicht: (2025)

Towards Simple and Provable Parameter-Free Adaptive Gradient Methods
von: Tao, Yuanzhe, et al.
Veröffentlicht: (2024)

GraphMU: Repairing Robustness of Graph Neural Networks via Machine Unlearning
von: Wu, Tao, et al.
Veröffentlicht: (2024)

Community-Centric Graph Unlearning
von: Li, Yi, et al.
Veröffentlicht: (2024)

DTFormer: A Transformer-Based Method for Discrete-Time Dynamic Graph Representation Learning
von: Chen, Xi, et al.
Veröffentlicht: (2024)

HCInfer: An Efficient Inference System via Error Compensation for Resource-Constrained Devices
von: Xu, Shen, et al.
Veröffentlicht: (2026)

GFlowNet Training by Policy Gradients
von: Niu, Puhua, et al.
Veröffentlicht: (2024)

Graph-Guided Concept Selection for Efficient Retrieval-Augmented Generation
von: Liu, Ziyu, et al.
Veröffentlicht: (2025)

Adaptive Graph Unlearning
von: Ding, Pengfei, et al.
Veröffentlicht: (2025)

Robust Machine Unlearning for Quantized Neural Networks via Adaptive Gradient Reweighting with Similar Labels
von: Tong, Yujia, et al.
Veröffentlicht: (2025)

SalUn: Empowering Machine Unlearning via Gradient-based Weight Saliency in Both Image Classification and Generation
von: Fan, Chongyu, et al.
Veröffentlicht: (2023)

GOAt: Explaining Graph Neural Networks via Graph Output Attribution
von: Lu, Shengyao, et al.
Veröffentlicht: (2024)

Module-Aware Parameter-Efficient Machine Unlearning on Transformers
von: Bao, Wenjie, et al.
Veröffentlicht: (2025)

Federated Graph Unlearning
von: Ai, Yuming, et al.
Veröffentlicht: (2025)

Enabling Group Fairness in Graph Unlearning via Bi-level Debiasing
von: Liu, Yezi, et al.
Veröffentlicht: (2025)

Towards Effective and General Graph Unlearning via Mutual Evolution
von: Li, Xunkai, et al.
Veröffentlicht: (2024)

SAU: Sparsity-Aware Unlearning for LLMs via Gradient Masking and Importance Redistribution
von: Wang, Yuze, et al.
Veröffentlicht: (2026)

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

Federated Knowledge Graph Unlearning via Diffusion Model
von: Liu, Bingchen, et al.
Veröffentlicht: (2024)

Targeted Unlearning Using Perturbed Sign Gradient Methods With Applications On Medical Images
von: Nahass, George R., et al.
Veröffentlicht: (2025)