GLVQ分类器获鲁棒近似机器遗忘方法
热点事件观察中
GLVQ分类器获鲁棒近似机器遗忘方法
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
研究者 Sreejita Ghosh 提出一种面向原型分类器广义学习向量量化（GLVQ）的鲁棒近似机器遗忘技术，用于移除指定样本的影响，以应对删除请求或样本被认定为噪声、损坏数据的情形。 据该论文称，其实验仅考察了二分类问题，但该策略可直接用于从任何已训练的 GLVQ 模型中移除样本影响，且无需修改 GLVQ 的训练方案。
AI 根据报道生成 · 56 分钟前更新
最新进展10月26日 02:41
基于原型的分类器 Generalized Learning Vector Quantization 的近似机器遗忘方法报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 隐私论文基于原型的分类器 Generalized Learning Vector Quantization 的近似机器遗忘方法
研究者为原型分类器 Generalized Learning Vector Quantization（GLVQ）提出一种稳健的近似机器遗忘技术，用于移除指定样本的影响，以应对删除请求或噪声、损坏数据。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。