Buchumschlag

Forget by Uncertainty: Orthogonal Entropy Unlearning for Quantized Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Tian, Tong, Yujia, Dong, Junhao, Xu, Ke, Wang, Yuze, Yuan, Jingling
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

LetheViT: Selective Machine Unlearning for Vision Transformers via Attention-Guided Contrastive Learning
von: Tong, Yujia, et al.
Veröffentlicht: (2025)

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

Enhancing Quantization-Aware Training on Edge Devices via Relative Entropy Coreset Selection and Cascaded Layer Correction
von: Tong, Yujia, et al.
Veröffentlicht: (2025)

Does Compression Preserve Uncertainty? A Unified Benchmark for Quantized and Sparse LLMs via Conformal Prediction
von: Tong, Yujia, et al.
Veröffentlicht: (2026)

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

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

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

Forgetting That Sticks: Quantization-Permanent Unlearning via Circuit Attribution
von: Sadhu, Saisab, et al.
Veröffentlicht: (2026)

Towards Certified Unlearning for Deep Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2024)

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

FG-OrIU: Towards Better Forgetting via Feature-Gradient Orthogonality for Incremental Unlearning
von: Feng, Qian, et al.
Veröffentlicht: (2026)

LLM Unlearning via Loss Adjustment with Only Forget Data
von: Wang, Yaxuan, et al.
Veröffentlicht: (2024)

Forgetting Has Neighbors: Localized Collateral Forgetting in Machine Unlearning
von: Dolgova, Polina, et al.
Veröffentlicht: (2026)

Machine Unlearning under Retain-Forget Entanglement
von: Cheng, Jingpu, et al.
Veröffentlicht: (2026)

Forgetting Through Transforming: Enabling Federated Unlearning via Class-Aware Representation Transformation
von: Guo, Qi, et al.
Veröffentlicht: (2024)

Forgetting Similar Samples: Can Machine Unlearning Do it Better?
von: Xu, Heng, et al.
Veröffentlicht: (2026)

Forgetting to Forget: Attention Sink as A Gateway for Backdooring LLM Unlearning
von: Shang, Bingqi, et al.
Veröffentlicht: (2025)

Label-Agnostic Forgetting: A Supervision-Free Unlearning in Deep Models
von: Shen, Shaofei, et al.
Veröffentlicht: (2024)

Attack by Unlearning: Unlearning-Induced Adversarial Attacks on Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2026)

A Cognac Shot To Forget Bad Memories: Corrective Unlearning for Graph Neural Networks
von: Kolipaka, Varshita, et al.
Veröffentlicht: (2024)

Representation Unlearning: Forgetting through Information Compression
von: Almudévar, Antonio, et al.
Veröffentlicht: (2026)

Conditional Uncertainty Quantification for Tensorized Topological Neural Networks
von: Wu, Yujia, et al.
Veröffentlicht: (2024)

Quantized Approximately Orthogonal Recurrent Neural Networks
von: Foucault, Armand, et al.
Veröffentlicht: (2024)

Towards Reliable Forgetting: A Survey on Machine Unlearning Verification
von: Xue, Lulu, et al.
Veröffentlicht: (2025)

Is Gradient Ascent Really Necessary? Memorize to Forget for Machine Unlearning
von: Huang, Zhuo, et al.
Veröffentlicht: (2026)

OMPQ: Orthogonal Mixed Precision Quantization
von: Ma, Yuexiao, et al.
Veröffentlicht: (2021)

Towards Aligned Data Forgetting via Twin Machine Unlearning
von: Niu, Zhenxing, et al.
Veröffentlicht: (2025)

IDEA: A Flexible Framework of Certified Unlearning for Graph Neural Networks
von: Dong, Yushun, et al.
Veröffentlicht: (2024)

Reducing Storage of Pretrained Neural Networks by Rate-Constrained Quantization and Entropy Coding
von: Conzelmann, Alexander, et al.
Veröffentlicht: (2025)

Delayed Bottlenecking: Alleviating Forgetting in Pre-trained Graph Neural Networks
von: Zhao, Zhe, et al.
Veröffentlicht: (2024)

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

Forgetting to Witness: Efficient Federated Unlearning and Its Visible Evaluation
von: Wang, Houzhe, et al.
Veröffentlicht: (2026)

Mitigating Privacy Risk via Forget Set-Free Unlearning
von: Newatia, Aviraj, et al.
Veröffentlicht: (2026)

System-Aware Unlearning Algorithms: Use Lesser, Forget Faster
von: Lu, Linda, et al.
Veröffentlicht: (2025)

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

Last-Iterate Analyses of FTRL with the 1/2-Tsallis Entropy in Stochastic Bandits
von: Zhan, Jingxin, et al.
Veröffentlicht: (2025)

Unlearning Inversion Attacks for Graph Neural Networks
von: Zhang, Jiahao, et al.
Veröffentlicht: (2025)

On Local Overfitting and Forgetting in Deep Neural Networks
von: Stern, Uri, et al.
Veröffentlicht: (2024)

When to Forget? Complexity Trade-offs in Machine Unlearning
von: Van Waerebeke, Martin, et al.
Veröffentlicht: (2025)