Buchumschlag

Machine Unlearning via Information Theoretic Regularization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Shizhou, Strohmer, Thomas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Forgetting-MarI: LLM Unlearning via Marginal Information Regularization
von: Xu, Shizhou, et al.
Veröffentlicht: (2025)

WHOMP: Optimizing Randomized Controlled Trials via Wasserstein Homogeneity
von: Xu, Shizhou, et al.
Veröffentlicht: (2024)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

On the (In)Compatibility between Group Fairness and Individual Fairness
von: Xu, Shizhou, et al.
Veröffentlicht: (2024)

Rethinking KV Cache Eviction via a Unified Information-Theoretic Objective
von: Yang, Jiaming, et al.
Veröffentlicht: (2026)

An Effective Information Theoretic Framework for Channel Pruning
von: Chen, Yihao, et al.
Veröffentlicht: (2024)

An Information-Theoretic Criterion for Efficient Data Synthesis
von: Li, Hanyu, et al.
Veröffentlicht: (2026)

Information-Theoretic State Variable Selection for Reinforcement Learning
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Uncertainty Quantification and Data Efficiency in AI: An Information-Theoretic Perspective
von: Simeone, Osvaldo, et al.
Veröffentlicht: (2025)

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

The Causal Description Gap: Information-Theoretic Separations Across Pearl's Hierarchy
von: Emadi, Seyed Morteza
Veröffentlicht: (2026)

Context Channel Capacity: An Information-Theoretic Framework for Understanding Catastrophic Forgetting
von: Cheng, Ran
Veröffentlicht: (2026)

Information-Theoretic Policy Pre-Training with Empowerment
von: Schneider, Moritz, et al.
Veröffentlicht: (2025)

Probing the Information Theoretical Roots of Spatial Dependence Measures
von: Wang, Zhangyu, et al.
Veröffentlicht: (2024)

Neural Networks Learn Generic Multi-Index Models Near Information-Theoretic Limit
von: Zhang, Bohan, et al.
Veröffentlicht: (2025)

An Information Theoretic Approach to Machine Unlearning
von: Foster, Jack, et al.
Veröffentlicht: (2024)

An Information Theoretic Perspective on Agentic System Design
von: He, Shizhe, et al.
Veröffentlicht: (2025)

Interpretable Diffusion via Information Decomposition
von: Kong, Xianghao, et al.
Veröffentlicht: (2023)

Informationally Compressive Anonymization: Non-Degrading Sensitive Input Protection for Privacy-Preserving Supervised Machine Learning
von: Samuelson, Jeremy J
Veröffentlicht: (2026)

$f$-Divergence Regularized RLHF: Two Tales of Sampling and Unified Analyses
von: Wu, Di, et al.
Veröffentlicht: (2026)

A General Error-Theoretical Analysis Framework for Constructing Compression Strategies
von: Zhang, Boyang, et al.
Veröffentlicht: (2025)

Towards Efficient VLMs: Information-Theoretic Driven Compression via Adaptive Structural Pruning
von: Xu, Zhaoqi, et al.
Veröffentlicht: (2025)

The Agent Capability Problem: Predicting Solvability Through Information-Theoretic Bounds
von: Lutati, Shahar
Veröffentlicht: (2025)

Machine Unlearning for Recommendation Systems: An Insight
von: Sachdeva, Bhavika, et al.
Veröffentlicht: (2024)

GeoIB: Geometry-Aware Information Bottleneck via Statistical-Manifold Compression
von: Wang, Weiqi, et al.
Veröffentlicht: (2026)

Latent Representation and Simulation of Markov Processes via Time-Lagged Information Bottleneck
von: Federici, Marco, et al.
Veröffentlicht: (2023)

General Information Metrics for Improving AI Model Training Efficiency
von: Xu, Jianfeng, et al.
Veröffentlicht: (2025)

Does Privacy Always Harm Fairness? Data-Dependent Trade-offs via Chernoff Information Neural Estimation
von: Nichani, Arjun, et al.
Veröffentlicht: (2026)

Fast Rates for Offline Contextual Bandits with Forward-KL Regularization under Single-Policy Concentrability
von: Zhao, Qingyue, et al.
Veröffentlicht: (2026)

A Machine Learning Approach for Simultaneous Demapping of QAM and APSK Constellations
von: Gansekoele, Arwin, et al.
Veröffentlicht: (2024)

Learning What Matters: Adaptive Information-Theoretic Objectives for Robot Exploration
von: Yu, Youwei, et al.
Veröffentlicht: (2026)

Laplace Sample Information: Data Informativeness Through a Bayesian Lens
von: Kaiser, Johannes, et al.
Veröffentlicht: (2025)

Towards Cohesion-Fairness Harmony: Contrastive Regularization in Individual Fair Graph Clustering
von: Ghodsi, Siamak, et al.
Veröffentlicht: (2024)

Generalization and Informativeness of Conformal Prediction
von: Zecchin, Matteo, et al.
Veröffentlicht: (2024)

An Information-Theoretic Perspective on Variance-Invariance-Covariance Regularization
von: Shwartz-Ziv, Ravid, et al.
Veröffentlicht: (2023)

Information-theoretic Bayesian Optimization: Survey and Tutorial
von: Garrido-Merchán, Eduardo C.
Veröffentlicht: (2025)

An Information Criterion for Controlled Disentanglement of Multimodal Data
von: Wang, Chenyu, et al.
Veröffentlicht: (2024)

An Algorithm for Streaming Differentially Private Data
von: Kumar, Girish, et al.
Veröffentlicht: (2024)

Learning Invariant Graph Representations Through Redundant Information
von: Halder, Barproda, et al.
Veröffentlicht: (2025)

Redundancy as a Structural Information Principle for Learning and Generalization
von: Bi, Yuda, et al.
Veröffentlicht: (2025)