BriefGPT.xyz
Ask
alpha
关键词
private learning
搜索结果 - 6
使用公共特征的私密学习
研究一类私有学习问题,其中数据是私有特征和公共特征的联接。针对多编码器模型中的公共特征,开发了新的算法以仅保护某些足够统计量,从而实现了线性回归的保证效用改进,并在两个标准的私有推荐基准上达到了最先进的水平,证明了适应私有 - 公共特征分离
→
PDF
9 months ago
ICML
差分隐私锐度感知训练
本文探讨了在进行差分隐私训练时,模型性能的降级问题,并提出了一种新的训练方法来缓解隐私和优化之间的权衡,实验证明该方法可以改善模型的性能。
PDF
a year ago
AAAI
隐私和公正的变分方法
本文提出了一种新的变分方法来学习私有和 / 或公平的表示,该方法基于一个新的隐私和公平优化问题的拉格朗日形式,并展示了保持所需信息水平的数据表示,并在最小化保留信息的同时控制效用与隐私或公平平衡的相似之处和可行性。该方法可舒适地纳入常见的表
→
PDF
4 years ago
拥有公共数据访问权限的私有学习限制
讨论私人和公共学习示例的差异隐私问题,证明可通过公共样本数为 $d/\alpha$ 和私有标记样本数为 $d/\alpha^2$ 实现平均误差为 $\alpha$ 的 VC-dimension $d$ 假设类别的免疫性学习,提出与之相匹配的
→
PDF
5 years ago
私有学习和加噪:纯差分隐私与近似差分隐私
该研究通过将真正的差分隐私和近似(ε,Δ)- 差分隐私应用于优化问题中,研究比较了私有学习和消毒的样本复杂性,同时构建了用于高维中的点函数,阈值函数和轴对齐矩形的私有学习器以及标签私有学习,证明了 VC 维完全刻画了学习带标签隐私的样本复杂
→
PDF
10 years ago
私有学习器的样本复杂度表征
本文给出了一个样本大小的组合特征,是私有概念类学习足够和必需的。我们介绍了概念类的概率表示概念,并证明了私有学习算法对于概念类 C 的样本复杂度意味着 RepDim(C)=O (m),并且存在一个样本复杂度 m = O(RepDim(C))
→
PDF
10 years ago
Prev
Next