Buchumschlag

Descend or Rewind? Stochastic Gradient Descent Unlearning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mu, Siqiao, Klabjan, Diego
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Rewind-to-Delete: Certified Machine Unlearning for Nonconvex Functions
von: Mu, Siqiao, et al.
Veröffentlicht: (2024)

On the Convergence Rate of LoRA Gradient Descent
von: Mu, Siqiao, et al.
Veröffentlicht: (2025)

On the Second-Order Convergence of Biased Policy Gradient Algorithms
von: Mu, Siqiao, et al.
Veröffentlicht: (2023)

A Mirror Descent Perspective of Smoothed Sign Descent
von: Wang, Shuyang, et al.
Veröffentlicht: (2024)

Rank-Accuracy Trade-off for LoRA: A Gradient-Flow Analysis
von: Rushka, Michael, et al.
Veröffentlicht: (2026)

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

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

FedRewind: Rewinding Continual Model Exchange for Decentralized Federated Learning
von: Palazzo, Luca, et al.
Veröffentlicht: (2024)

Stochastic Adaptive Gradient Descent Without Descent
von: Aujol, Jean-François, et al.
Veröffentlicht: (2025)

On the Generalization of Stochastic Gradient Descent with Momentum
von: Ramezani-Kebrya, Ali, et al.
Veröffentlicht: (2018)

Dichotomy of Feature Learning and Unlearning: Fast-Slow Analysis on Neural Networks with Stochastic Gradient Descent
von: Imai, Shota, et al.
Veröffentlicht: (2026)

Video to Video Generative Adversarial Network for Few-shot Learning Based on Policy Gradient
von: Ma, Yintai, et al.
Veröffentlicht: (2024)

A Trainable Optimizer
von: Wang, Ruiqi, et al.
Veröffentlicht: (2025)

IW-GAE: Importance Weighted Group Accuracy Estimation for Improved Calibration and Model Selection in Unsupervised Domain Adaptation
von: Joo, Taejong, et al.
Veröffentlicht: (2023)

Improving self-training under distribution shifts via anchored confidence with theoretical guarantees
von: Joo, Taejong, et al.
Veröffentlicht: (2024)

A Bootstrap Perspective on Stochastic Gradient Descent
von: Lan, Hongjian, et al.
Veröffentlicht: (2025)

Adjacent Leader Decentralized Stochastic Gradient Descent
von: He, Haoze, et al.
Veröffentlicht: (2024)

Stochastic Gradient Descent for Nonparametric Additive Regression
von: Chen, Xin, et al.
Veröffentlicht: (2024)

Bolstering Stochastic Gradient Descent with Model Building
von: Birbil, S. Ilker, et al.
Veröffentlicht: (2021)

Stochastic Gradient Descent with Strategic Querying
von: Jiang, Nanfei, et al.
Veröffentlicht: (2025)

Stochastic Gradient Descent with Adaptive Data
von: Che, Ethan, et al.
Veröffentlicht: (2024)

Robust Stochastically-Descending Unrolled Networks
von: Hadou, Samar, et al.
Veröffentlicht: (2023)

Differentiable Calibration of Inexact Stochastic Simulation Models via Kernel Score Minimization
von: Su, Ziwei, et al.
Veröffentlicht: (2024)

Masks, Signs, And Learning Rate Rewinding
von: Gadhikar, Advait, et al.
Veröffentlicht: (2024)

Learning Curves of Stochastic Gradient Descent in Kernel Regression
von: Zhang, Haihan, et al.
Veröffentlicht: (2025)

Statistical Guarantees for High-Dimensional Stochastic Gradient Descent
von: Li, Jiaqi, et al.
Veröffentlicht: (2025)

Personalized Federated Learning with Exact Stochastic Gradient Descent
von: Nikoloutsopoulos, Sotirios, et al.
Veröffentlicht: (2022)

Stochastic Gradient Descent for Two-layer Neural Networks
von: Cao, Dinghao, et al.
Veröffentlicht: (2024)

Stochastic Gradient Descent for Gaussian Processes Done Right
von: Lin, Jihao Andreas, et al.
Veröffentlicht: (2023)

Variational Stochastic Gradient Descent for Deep Neural Networks
von: Chen, Haotian, et al.
Veröffentlicht: (2024)

Towards Learning Stochastic Population Models by Gradient Descent
von: Kreikemeyer, Justin N., et al.
Veröffentlicht: (2024)

Towards Understanding the Generalizability of Delayed Stochastic Gradient Descent
von: Deng, Xiaoge, et al.
Veröffentlicht: (2023)

Technical Debt in In-Context Learning: Diminishing Efficiency in Long Context
von: Joo, Taejong, et al.
Veröffentlicht: (2025)

Communication-Efficient Federated Low-Rank Update Algorithm and its Connection to Implicit Regularization
von: Park, Haemin, et al.
Veröffentlicht: (2024)

LanFL: Differentially Private Federated Learning with Large Language Models using Synthetic Samples
von: Wu, Huiyu, et al.
Veröffentlicht: (2024)

Divergence Results and Convergence of a Variance Reduced Version of ADAM
von: Wang, Ruiqi, et al.
Veröffentlicht: (2022)

Regret Bounds and Reinforcement Learning Exploration of EXP-based Algorithms
von: Xu, Mengfan, et al.
Veröffentlicht: (2020)

Decentralized Blockchain-based Robust Multi-agent Multi-armed Bandit
von: Xu, Mengfan, et al.
Veröffentlicht: (2024)

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

Momentum Does Not Reduce Stochastic Noise in Stochastic Gradient Descent
von: Sato, Naoki, et al.
Veröffentlicht: (2024)