Copertina

Differentially Private Generalized Linear Models Revisited

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Arora, Raman, Bassily, Raef, Guzmán, Cristóbal, Menart, Michael, Ullah, Enayat
Natura:	Preprint
Pubblicazione:	2022
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Differentially Private Non-Convex Optimization under the KL Condition with Optimal Rates
di: Menart, Michael, et al.
Pubblicazione: (2023)

Public-data Assisted Private Stochastic Optimization: Power and Limitations
di: Ullah, Enayat, et al.
Pubblicazione: (2024)

Private Algorithms for Stochastic Saddle Points and Variational Inequalities: Beyond Euclidean Geometry
di: Bassily, Raef, et al.
Pubblicazione: (2024)

Differentially Private Worst-group Risk Minimization
di: Zhou, Xinyu, et al.
Pubblicazione: (2024)

Private Model Personalization Revisited
di: Snedeker, Conor, et al.
Pubblicazione: (2025)

Differentially Private Domain Adaptation with Theoretical Guarantees
di: Bassily, Raef, et al.
Pubblicazione: (2023)

On the Gradient Complexity of Private Optimization with Private Oracles
di: Menart, Michael, et al.
Pubblicazione: (2025)

Private Rate-Constrained Optimization with Applications to Fair Learning
di: Yaghini, Mohammad, et al.
Pubblicazione: (2025)

Differentially Private Optimization with Sparse Gradients
di: Ghazi, Badih, et al.
Pubblicazione: (2024)

Minimax-Optimal Policy Regret in Partially Observable Markov Games
di: Arora, Raman
Pubblicazione: (2026)

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

Synthetic Tabular Data: Methods, Attacks and Defenses
di: Cormode, Graham, et al.
Pubblicazione: (2025)

Private and Fair Machine Learning: Revisiting the Disparate Impact of Differentially Private SGD
di: Demelius, Lea, et al.
Pubblicazione: (2025)

Differentially Private Linear Regression and Synthetic Data Generation with Statistical Guarantees
di: Lin, Shurong, et al.
Pubblicazione: (2025)

Revisiting Differentially Private Hyper-parameter Tuning
di: Xiang, Zihang, et al.
Pubblicazione: (2024)

Tracking the Best Expert Privately
di: Saha, Aadirupa, et al.
Pubblicazione: (2025)

Data Sharing with Endogenous Choices over Differential Privacy Levels
di: Bassily, Raef, et al.
Pubblicazione: (2026)

Faster Rates for Private Adversarial Bandits
di: Asi, Hilal, et al.
Pubblicazione: (2025)

Private Linear Regression with Differential Privacy and PAC Privacy
di: Yang, Hillary, et al.
Pubblicazione: (2024)

Adapting to Linear Separable Subsets with Large-Margin in Differentially Private Learning
di: Wang, Erchi, et al.
Pubblicazione: (2025)

On Sample-Efficient Offline Reinforcement Learning: Data Diversity, Posterior Sampling, and Beyond
di: Nguyen-Tang, Thanh, et al.
Pubblicazione: (2024)

On The Statistical Complexity of Offline Decision-Making
di: Nguyen-Tang, Thanh, et al.
Pubblicazione: (2025)

PREM: Privately Answering Statistical Queries with Relative Error
di: Ghazi, Badih, et al.
Pubblicazione: (2025)

Generation from Noisy Examples
di: Raman, Ananth, et al.
Pubblicazione: (2025)

Differentially Private Sparse Linear Regression with Heavy-tailed Responses
di: Tian, Xizhi, et al.
Pubblicazione: (2025)

Enhancing Differentially Private Linear Regression via Public Second-Moment
di: Cao, Zilong, et al.
Pubblicazione: (2025)

Differentially Private Inference for Longitudinal Linear Regression
di: Sopa, Getoar, et al.
Pubblicazione: (2026)

Differentially Private Linear Bandits with Partial Distributed Feedback
di: Li, Fengjiao, et al.
Pubblicazione: (2022)

Differentially Private Iterative Screening Rules for Linear Regression
di: Khanna, Amol, et al.
Pubblicazione: (2025)

Differentially Private Diffusion Models
di: Dockhorn, Tim, et al.
Pubblicazione: (2022)

Releasing Differentially Private Event Logs Using Generative Models
di: Wangelik, Frederik, et al.
Pubblicazione: (2025)

Towards Optimal Differentially Private Regret Bounds in Linear MDPs
di: Sahu, Sharan
Pubblicazione: (2025)

Model Agnostic Differentially Private Causal Inference
di: Lebeda, Christian Janos, et al.
Pubblicazione: (2025)

DP-LDMs: Differentially Private Latent Diffusion Models
di: Liu, Michael F., et al.
Pubblicazione: (2023)

Improving the Privacy and Practicality of Objective Perturbation for Differentially Private Linear Learners
di: Redberg, Rachel, et al.
Pubblicazione: (2023)

Bounding the Excess Risk for Linear Models Trained on Marginal-Preserving, Differentially-Private, Synthetic Data
di: Zhou, Yvonne, et al.
Pubblicazione: (2024)

Differentially Private Random Feature Model
di: Liao, Chunyang, et al.
Pubblicazione: (2024)

SoK: A Review of Differentially Private Linear Models For High-Dimensional Data
di: Khanna, Amol, et al.
Pubblicazione: (2024)

Differentially Private Wasserstein Barycenters
di: Gu, Anming, et al.
Pubblicazione: (2025)

Differentially Private Policy Gradient
di: Rio, Alexandre, et al.
Pubblicazione: (2025)