Approximate Machine Unlearning through Manifold Representation Forgetting Guided by Self Mode Connectivity

Dieses Papier stellt ManiF-SMC vor, eine neuartige Methode für approximatives maschinelles Entlernen, die Einschränkungen bestehender Ansätze überwindet. Es formuliert das Entlernen neu als Verschieben von Manifold-Repräsentationen gelöschter Stichproben hin zu semantischen Nachbarn in den verbleibenden Daten, um die Äquivalenz zum Neu-Training zu erreichen.