GLVQ提出近似遗忘方法

Sreejita Ghosh和Mohammad Mohammadi提交论文，提出面向广义学习向量量化（GLVQ）原型分类器的鲁棒近似机器遗忘方法，用于移除指定样本对模型的影响；论文称，该方法在6个表格数据基准集上的遗忘结果与重训练模型在参数和性能上偏差约为0，效率较朴素重训练提高约6倍至10^5倍。 该方法无需修改GLVQ原有训练方案，但研究目前仅考察二分类问题。

AI 根据报道生成 · 53 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。