标签无关的、基于表示层的机器学习方法:通过特征解耦实现模型重构

《Knowledge-Based Systems》:Label-agnostic, Representation-Level Machine Unlearning via feature disentanglement

【字体: 时间:2026年05月27日 来源:Knowledge-Based Systems 7.6

编辑推荐:

  苏斌·查(Soobin Cha)|李正敏(Jungmin Lee)|林正敏(Jongmin Lim)|朴在勋(Jaehun Park)|金光洙(Kwangsu Kim)•这是一个无需类别监督的、对标签信息不敏感的去学习框架。•该框架在去除目标特定信息的同时,仍能保留模型的有用性。

  
苏斌·查(Soobin Cha)|李正敏(Jungmin Lee)|林正敏(Jongmin Lim)|朴在勋(Jaehun Park)|金光洙(Kwangsu Kim)
  • 这是一个无需类别监督的、对标签信息不敏感的去学习框架。
  • 该框架在去除目标特定信息的同时,仍能保留模型的有用性。
  • 在多种去学习场景中,该框架的表现均优于基线方法。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号