:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tam, Kahou, Xu, Kewei, Li, Li, Fu, Huazhu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2406.03078
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Simple Data Augmentation for Feature Distribution Skewed Federated Learning
von: Yan, Yunlu, et al.
Veröffentlicht: (2023)

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

Ready2Unlearn: A Learning-Time Approach for Preparing Models with Future Unlearning Readiness
von: Duan, Hanyu, et al.
Veröffentlicht: (2025)

Forget and Explain: Transparent Verification of GNN Unlearning
von: Ahsan, Imran, et al.
Veröffentlicht: (2025)

FedCARE: Federated Unlearning with Conflict-Aware Projection and Relearning-Resistant Recovery
von: Li, Yue, et al.
Veröffentlicht: (2026)

A Survey on Federated Unlearning: Challenges and Opportunities
von: Jeong, Hyejun, et al.
Veröffentlicht: (2024)

Exploring Incremental Unlearning: Techniques, Challenges, and Future Directions
von: Qureshi, Sadia, et al.
Veröffentlicht: (2025)

Locally Constrained Representations in Reinforcement Learning
von: Nath, Somjit, et al.
Veröffentlicht: (2022)

A Survey of Machine Unlearning
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2022)

Federated Learning for Clinical Structured Data: A Benchmark Comparison of Engineering and Statistical Approaches
von: Li, Siqi, et al.
Veröffentlicht: (2023)

Fairness Under Demographic Scarce Regime
von: Kenfack, Patrik Joslin, et al.
Veröffentlicht: (2023)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2025)

EVE: Efficient Verification of Data Erasure through Customized Perturbation in Approximate Unlearning
von: Wang, Weiqi, et al.
Veröffentlicht: (2026)

FRAMU: Attention-based Machine Unlearning using Federated Reinforcement Learning
von: Shaik, Thanveer, et al.
Veröffentlicht: (2023)

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

Federated Unlearning in the Wild: Rethinking Fairness and Data Discrepancy
von: Huang, ZiHeng, et al.
Veröffentlicht: (2025)

Unlearning Clients, Features and Samples in Vertical Federated Learning
von: Varshney, Ayush K., et al.
Veröffentlicht: (2025)

Towards Reliable Testing of Machine Unlearning
von: Mazhar, Anna, et al.
Veröffentlicht: (2026)

From Challenges and Pitfalls to Recommendations and Opportunities: Implementing Federated Learning in Healthcare
von: Li, Ming, et al.
Veröffentlicht: (2024)

QuickDrop: Efficient Federated Unlearning by Integrated Dataset Distillation
von: Dhasade, Akash, et al.
Veröffentlicht: (2023)

Towards Reasoning-Preserving Unlearning in Multimodal Large Language Models
von: Li, Hongji, et al.
Veröffentlicht: (2025)

Advances and Open Challenges in Federated Foundation Models
von: Ren, Chao, et al.
Veröffentlicht: (2024)

Federated Domain Generalization: A Survey
von: Li, Ying, et al.
Veröffentlicht: (2023)

History-Aware and Dynamic Client Contribution in Federated Learning
von: Ghosh, Bishwamittra, et al.
Veröffentlicht: (2024)

Sky of Unlearning (SoUL): Rewiring Federated Machine Unlearning via Selective Pruning
von: Zaman, Md Mahabub Uz, et al.
Veröffentlicht: (2025)

FedHybrid: Breaking the Memory Wall of Federated Learning via Hybrid Tensor Management
von: Tam, Kahou, et al.
Veröffentlicht: (2025)

Hierarchical Federated Unlearning for Large Language Models
von: Zhong, Yisheng, et al.
Veröffentlicht: (2025)

Towards Mitigating Excessive Forgetting in LLM Unlearning via Entanglement-Guidance with Proxy Constraint
von: Liu, Zhihao, et al.
Veröffentlicht: (2025)

From Domains to Instances: Dual-Granularity Data Synthesis for LLM Unlearning
von: Xu, Xiaoyu, et al.
Veröffentlicht: (2026)

Certified Signed Graph Unlearning
von: Zhao, Junpeng, et al.
Veröffentlicht: (2025)

Breaking the Memory Wall for Heterogeneous Federated Learning via Model Splitting
von: Tian, Chunlin, et al.
Veröffentlicht: (2024)

DRAGD: A Federated Unlearning Data Reconstruction Attack Based on Gradient Differences
von: Ju, Bocheng, et al.
Veröffentlicht: (2025)

Toward Reproducible Cross-Backend Compatibility for Deep Learning: A Configuration-First Framework with Three-Tier Verification
von: Li, Zehua
Veröffentlicht: (2025)

Towards Aligned Data Removal via Twin Machine Unlearning
von: Ji, Haoxuan, et al.
Veröffentlicht: (2024)

Scalable Federated Unlearning via Isolated and Coded Sharding
von: Lin, Yijing, et al.
Veröffentlicht: (2024)

Tackling Federated Unlearning as a Parameter Estimation Problem
von: Balordi, Antonio, et al.
Veröffentlicht: (2025)

KD-LoRA: A Hybrid Approach to Efficient Fine-Tuning with LoRA and Knowledge Distillation
von: Azimi, Rambod, et al.
Veröffentlicht: (2024)

Cross-Layer Discrete Concept Discovery for Interpreting Language Models
von: Garg, Ankur, et al.
Veröffentlicht: (2025)

Graph Domain Adaptation: Challenges, Progress and Prospects
von: Shi, Boshen, et al.
Veröffentlicht: (2024)

Oblivionis: A Lightweight Learning and Unlearning Framework for Federated Large Language Models
von: Zhang, Fuyao, et al.
Veröffentlicht: (2025)