实体
Shizhou Xu
Shizhou Xu
PulseAugur coverage of Shizhou Xu — every cluster mentioning Shizhou Xu 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
-
新框架表征机器学习模型中的效用-分离权衡
研究人员开发了一种新的信息论框架，用于表征机器学习模型中效用和分离之间的权衡。该框架证明了效用-分离帕累托前沿的凹性，表明在效用方面分离的边际成本不断增加。该研究还引入了一种基于条件互信息的实用经验正则化器，可以与深度学习模型集成，在训练过程中监控和强制执行分离。在包括COMPAS和UCI Adult在内的多个数据集上的实验表明，与现有方法相比，该方法在保持或提高模型效用的同时，能有效减少分离违规。
-
新框架支持可审计的数据和特征机器遗忘
研究人员开发了一种新颖的信息论框架来实现机器遗忘，解决了从训练模型中移除特定特征或数据点的问题。提出的“边际遗忘原则”为数据点遗忘提供了可审计和可证明的保证。对于特征遗忘，该方法可灵活应用于具有灵活目标的深度学习，提供了解析解，并揭示了与最优传输和极值西格玛代数的关系。