BriefGPT.xyz
Ask
alpha
关键词
graph unlearning
搜索结果 - 6
梯度转化:面向动态图神经网络的高效和模型无关的遗忘
我们提出了一种有效、高效、模型无关的后处理方法来实现动态图神经网络的去学习,通过定义去学习请求并在连续时间动态图的背景下形成动态图的去学习,通过对去学习数据、剩余数据和目标动态图神经网络模型进行角色分析,我们提出了一种称为梯度变换和损失函数
→
PDF
a month ago
高效部分重新训练的图解除
通过图属性感知数据切分和图对比子模型聚合,本文提出了一种新颖的图去学习框架 GraphRevoker,以更好地保持不可学习的 GNN 模型的模型效用。
PDF
4 months ago
知识蒸馏下的图网络遗忘
知识蒸馏在图取消学习领域具有重要作用,D2DGN 是一种模型不可知的蒸馏框架,通过使用响应为基础的软目标和基于特征的节点嵌入,最小化 KL 散度,有效消除已删除图元素的影响同时保留有关保留图元素的知识。实验证明,在各种真实世界图数据集上,D
→
PDF
9 months ago
图形遗忘:一项综述
通过系统地回顾图解学习的方法,本综述论文旨在增进对新加入该领域的研究人员的理解,与差分隐私建立关联,探索其在不同领域的应用,以增强数据隐私和增强人工智能系统的鲁棒性,并鼓励进一步研究和创新,从而推动图解学习领域的发展。
PDF
10 months ago
WWW
GIF: 通过影响函数的通用图解除策略
本文研究了针对图上撤销作用的影响函数,提出了一种模型无关的快速而精确的节点 / 边 / 特征图上撤销方法 (Graph Influence Function, GIF),基于传统影响函数的目标,添加了一个考虑结构依赖性的损失项,进一步推导了
→
PDF
a year ago
GNNDelete:图神经网络中的遗忘通用策略
本研究提出了一种名为 GNNDelete 的新型模型级层操作符,它优化了图形撤销的关键性质,确保了已学习到的知识在删除节点和边缘的同时保留,并在七个真实世界的图表上展示了优于现有方法的性能提升高达 38.8%(AUC)的结果。
PDF
a year ago
Prev
Next