# 影响函数

面向隐私法规下的机器遗忘，IDSISA在SISA的分片重训框架上加入影响函数引导的分片分配与跨分片蒸馏。影响分数在训练前一次性算出，把可能被一起删除的样本集中到少数分片，使一次删除请求触及的分片数少于随机分片；重训分片同时向未受影响分片学习软输出，补回隔离训练丢掉的效用。在ResNet-18/CIFAR-10、BiLSTM/IMDB、TCN/IMDB与Fashion-MNIST全连接网络上，删除保证仍来自重训本身，蒸馏只是单独量化的效用恢复手段。

面向隐私法规下的机器遗忘，IDSISA在SISA的分片重训框架上加入影响函数引导的分片分配与跨分片蒸馏。影响分数在训练前一次性算出，把可能被一起删除的样本集中到少数分片，使一次删除请求触及的分片数少于随机分片；重训分片同时向未受影响分片学习软输出，补回隔离训练丢掉的效用。在ResNet-18/CIFAR-10、BiLSTM/IMDB、TCN/IMDB与Fashion-MNIST全连接网络上，删除保证仍来自重训本身，蒸馏只是单独量化的效用恢复手段。

交通流预测模型若在输出端强制满足路口流量守恒，训练样本对预测的影响就不再只经由损失函数传递，而要经过约束投影。此前的影响力函数按无约束学习推导，无法区分哪些扰动被物理约束保留、哪些被投影消掉。该工作把影响力计算放进可行域，在PeMS第3区318条高速路段的小时数据上给出站点敏感度排序，并显示按此排序去掉前十名站点后，物理约束模型的MAE上升44.2%。

交通流预测模型若在输出端强制满足路口流量守恒，训练样本对预测的影响就不再只经由损失函数传递，而要经过约束投影。此前的影响力函数按无约束学习推导，无法区分哪些扰动被物理约束保留、哪些被投影消掉。该工作把影响力计算放进可行域，在PeMS第3区318条高速路段的小时数据上给出站点敏感度排序，并显示按此排序去掉前十名站点后，物理约束模型的MAE上升44.2%。