Buchumschlag

Machine Unlearning using a Multi-GAN based Model

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hatua, Amartya, Nguyen, Trung T., Sung, Andrew H.
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

Machine Unlearning using Forgetting Neural Networks
von: Hatua, Amartya, et al.
Veröffentlicht: (2024)

Mechanistic Interpretability of GPT-2: Lexical and Contextual Layers in Sentiment Analysis
von: Hatua, Amartya
Veröffentlicht: (2025)

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

Online Learning and Unlearning
von: Hu, Yaxi, et al.
Veröffentlicht: (2025)

Corrective Machine Unlearning
von: Goel, Shashwat, et al.
Veröffentlicht: (2024)

Less Noise, Same Certificate: Retain Sensitivity for Unlearning
von: Heinzler, Carolin, et al.
Veröffentlicht: (2026)

Attribute-to-Delete: Machine Unlearning via Datamodel Matching
von: Georgiev, Kristian, et al.
Veröffentlicht: (2024)

FairFinGAN: Fairness-aware Synthetic Financial Data Generation
von: Quy, Tai Le, et al.
Veröffentlicht: (2026)

Multi-Objective Reference-Aligned Machine Unlearning
von: Khosrowshahli, Rasa, et al.
Veröffentlicht: (2026)

Example-based Explanations for Random Forests using Machine Unlearning
von: Surve, Tanmay, et al.
Veröffentlicht: (2024)

Model Sparsity Can Simplify Machine Unlearning
von: Jia, Jinghan, et al.
Veröffentlicht: (2023)

Optimizing Multi-Stage Language Models for Effective Text Retrieval
von: Trung, Quang Hoang, et al.
Veröffentlicht: (2024)

Beyond Forgetting: Machine Unlearning Elicits Controllable Side Behaviors and Capabilities
von: Dang, Tien, et al.
Veröffentlicht: (2026)

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

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

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

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

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

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

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

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

Open Problems in Machine Unlearning for AI Safety
von: Barez, Fazl, et al.
Veröffentlicht: (2025)

Exploring the Precise Dynamics of Single-Layer GAN Models: Leveraging Multi-Feature Discriminators for High-Dimensional Subspace Learning
von: Bond, Andrew, et al.
Veröffentlicht: (2024)

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

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

Rethinking Machine Unlearning for Large Language Models
von: Liu, Sijia, et al.
Veröffentlicht: (2024)

Towards Irreversible Machine Unlearning for Diffusion Models
von: Yuan, Xun, et al.
Veröffentlicht: (2025)

Efficient Machine Unlearning by Model Splitting and Core Sample Selection
von: Egger, Maximilian, et al.
Veröffentlicht: (2025)

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

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

Langevin Unlearning: A New Perspective of Noisy Gradient Descent for Machine Unlearning
von: Chien, Eli, et al.
Veröffentlicht: (2024)

Revisiting Machine Unlearning with Dimensional Alignment
von: Seo, Seonguk, et al.
Veröffentlicht: (2024)

Dataset Condensation Driven Machine Unlearning
von: Khan, Junaid Iqbal
Veröffentlicht: (2024)

Label Smoothing Improves Machine Unlearning
von: Di, Zonglin, et al.
Veröffentlicht: (2024)

WIN-U: Woodbury-Informed Newton-Unlearning as a retain-free Machine Unlearning Framework
von: Zhao, Xingjian, et al.
Veröffentlicht: (2026)

On the Impossibility of Retrain Equivalence in Machine Unlearning
von: Yu, Jiatong, et al.
Veröffentlicht: (2025)

Verifiable and Provably Secure Machine Unlearning
von: Eisenhofer, Thorsten, et al.
Veröffentlicht: (2022)

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

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

Towards Source-Free Machine Unlearning
von: Ahmed, Sk Miraj, et al.
Veröffentlicht: (2025)