实体
Data-Frugal Machine Unlearning
Data-Frugal Machine Unlearning
PulseAugur coverage of Data-Frugal Machine Unlearning — every cluster mentioning Data-Frugal Machine Unlearning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新的DFMU方法提供更快、数据节约型的机器学习遗忘
研究人员开发了一种新的机器学习遗忘方法，称为DFMU（Data-Frugal Machine Unlearning），它显著降低了计算需求和数据需求。与通常依赖广泛重新训练的现有方法不同，DFMU使用一次前向和后向传播来计算计算块的重要性。与最先进的方法相比，这种方法仅使用13%的数据就能提高40%的准确性，并且在遗忘特定类别时数据处理速度提高88%。
-
新的DFMU方法实现了数据节约型机器学习遗忘
研究人员推出了一种名为数据节约型机器学习遗忘（DFMU）的新颖方法，旨在从已训练的机器学习模型中高效地移除数据元素。与通常需要大量重新训练的现有方法不同，DFMU仅使用一次前向和后向传播来计算模型组件的重要性得分。该技术基于知识保留剪枝，显著降低了计算需求和数据需求。实验表明，与最先进的方法相比，DFMU仅使用13%的数据即可实现40%更高的保留准确率，同时遗忘任务的处理速度也提高了88%。