Buchumschlag

Near-Optimal Algorithms for Differentially Private Online Learning in a Stochastic Environment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Bingshan, Huang, Zhiming, Mehta, Nishant A., Hegde, Nidhi
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient and Adaptive Posterior Sampling Algorithms for Bandits
von: Hu, Bingshan, et al.
Veröffentlicht: (2024)

Connecting Thompson Sampling and UCB: Towards More Efficient Trade-offs Between Privacy and Regret
von: Hu, Bingshan, et al.
Veröffentlicht: (2025)

Worst-Case Regret Bounds for Combinatorial Thompson Sampling in Sleeping Semi-Bandits
von: Huang, Zhiming, et al.
Veröffentlicht: (2026)

Near-optimal Per-Action Regret Bounds for Sleeping Bandits
von: Nguyen, Quan, et al.
Veröffentlicht: (2024)

Constrained Online Two-stage Stochastic Optimization: Near Optimal Algorithms via Adversarial Learning
von: Jiang, Jiashuo
Veröffentlicht: (2023)

Differentially Private Bilevel Optimization: Efficient Algorithms with Near-Optimal Rates
von: Lowy, Andrew, et al.
Veröffentlicht: (2025)

Nearly Optimal Differentially Private ReLU Regression
von: Ding, Meng, et al.
Veröffentlicht: (2025)

Locally Differentially Private Distributed Online Learning with Guaranteed Optimality
von: Chen, Ziqin, et al.
Veröffentlicht: (2023)

Online Sensitivity Optimization in Differentially Private Learning
von: Galli, Filippo, et al.
Veröffentlicht: (2023)

On Optimal Hyperparameters for Differentially Private Deep Transfer Learning
von: Rehn, Aki, et al.
Veröffentlicht: (2025)

Mirror Descent Algorithms with Nearly Dimension-Independent Rates for Differentially-Private Stochastic Saddle-Point Problems
von: González, Tomás, et al.
Veröffentlicht: (2024)

Near-Optimal Algorithms for Making the Gradient Small in Stochastic Minimax Optimization
von: Chen, Lesi, et al.
Veröffentlicht: (2022)

Near-Optimality of Contrastive Divergence Algorithms
von: Glaser, Pierre, et al.
Veröffentlicht: (2025)

Optimal Stochastic Non-smooth Non-convex Optimization through Online-to-Non-convex Conversion
von: Cutkosky, Ashok, et al.
Veröffentlicht: (2023)

Data-dependent Bounds with $T$-Optimal Best-of-Both-Worlds Guarantees in Multi-Armed Bandits using Stability-Penalty Matching
von: Nguyen, Quan, et al.
Veröffentlicht: (2025)

Differentially Private Sliced Inverse Regression: Minimax Optimality and Algorithm
von: Xia, Xintao, et al.
Veröffentlicht: (2024)

Optimal Rates for Pure $\varepsilon$-Differentially Private Stochastic Convex Optimization with Heavy Tails
von: Lowy, Andrew
Veröffentlicht: (2026)

Efficient kernelized bandit algorithms via exploration distributions
von: Hu, Bingshan, et al.
Veröffentlicht: (2025)

Near-Optimal Private Tests for Simple and MLR Hypotheses
von: Chen, Yu-Wei, et al.
Veröffentlicht: (2026)

Nearly Tight Black-Box Auditing of Differentially Private Machine Learning
von: Annamalai, Meenatchi Sundaram Muthu Selva, et al.
Veröffentlicht: (2024)

ORVIT: Near-Optimal Online Distributionally Robust Reinforcement Learning
von: Ghosh, Debamita, et al.
Veröffentlicht: (2025)

Private Stochastic Convex Optimization with Heavy Tails: Near-Optimality from Simple Reductions
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

Differential Private Stochastic Optimization with Heavy-tailed Data: Towards Optimal Rates
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Statistical Inference for Differentially Private Stochastic Gradient Descent
von: Xia, Xintao, et al.
Veröffentlicht: (2025)

Private Realizable-to-Agnostic Transformation with Near-Optimal Sample Complexity
von: Li, Bo, et al.
Veröffentlicht: (2025)

Optimal Differentially Private Model Training with Public Data
von: Lowy, Andrew, et al.
Veröffentlicht: (2023)

DP-CSGP: Differentially Private Stochastic Gradient Push with Compressed Communication
von: Zhu, Zehan, et al.
Veröffentlicht: (2025)

Differentially Private Online Bayesian Estimation With Adaptive Truncation
von: Yıldırım, Sinan
Veröffentlicht: (2023)

Constrained Online Two-stage Stochastic Optimization: Algorithm with (and without) Predictions
von: Hu, Piao, et al.
Veröffentlicht: (2024)

Calibeating for general proper losses: A Bregman divergence approach
von: Fichtl, Maximilian, et al.
Veröffentlicht: (2026)

Locally Differentially Private Online Federated Learning With Correlated Noise
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2024)

Statistical Limits and Efficient Algorithms for Differentially Private Federated Learning
von: Auddy, Arnab, et al.
Veröffentlicht: (2026)

Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path
von: Di, Qiwei, et al.
Veröffentlicht: (2024)

Differentially Private Online Federated Learning with Correlated Noise
von: Zhang, Jiaojiao, et al.
Veröffentlicht: (2024)

Private Online Learning via Lazy Algorithms
von: Asi, Hilal, et al.
Veröffentlicht: (2024)

PrivSGP-VR: Differentially Private Variance-Reduced Stochastic Gradient Push with Tight Utility Bounds
von: Zhu, Zehan, et al.
Veröffentlicht: (2024)

Optimal Guarantees for Auditing Rényi Differentially Private Machine Learning
von: Kim, Benjamin D., et al.
Veröffentlicht: (2026)

On the Growth of Mistakes in Differentially Private Online Learning: A Lower Bound Perspective
von: Dmitriev, Daniil, et al.
Veröffentlicht: (2024)

Optimal Scheduling Algorithms for LLM Inference: Theory and Practice
von: Bari, Agrim, et al.
Veröffentlicht: (2025)

Differentially-Private Collaborative Online Personalized Mean Estimation
von: Yakimenka, Yauhen, et al.
Veröffentlicht: (2024)