Buchumschlag

Nash Incentive-compatible Online Mechanism Learning via Weakly Differentially Private Online Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huh, Joon Suk, Kandasamy, Kirthevasan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Science and Game Theory Cryptography and Security Data Structures and Algorithms Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Pairwise Exchanges of Freely Replicable Goods with Negative Externalities
von: Yang, Shangyuan, et al.
Veröffentlicht: (2026)

Strategy-robust Online Learning in Contextual Pricing
von: Huh, Joon Suk, et al.
Veröffentlicht: (2025)

Online Distribution Learning with Local Private Constraints
von: Sima, Jin, et al.
Veröffentlicht: (2024)

Private PAC Learning May be Harder than Online Learning
von: Bun, Mark, et al.
Veröffentlicht: (2024)

Learning to Price Homogeneous Data
von: Chen, Keran, et al.
Veröffentlicht: (2024)

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

Improved Regret in Stochastic Decision-Theoretic Online Learning under Differential Privacy
von: Wu, Ruihan, et al.
Veröffentlicht: (2025)

Ramsey Theorems for Trees and a General 'Private Learning Implies Online Learning' Theorem
von: Fioravanti, Simone, et al.
Veröffentlicht: (2024)

Differentially Private Learning Beyond the Classical Dimensionality Regime
von: Dwork, Cynthia, et al.
Veröffentlicht: (2024)

Online Nash Welfare Maximization Without Predictions
von: Huang, Zhiyi, et al.
Veröffentlicht: (2022)

Scaling up the Banded Matrix Factorization Mechanism for Differentially Private ML
von: McKenna, Ryan
Veröffentlicht: (2024)

Optimal Differentially Private Sampling of Unbounded Gaussians
von: Iverson, Valentio, et al.
Veröffentlicht: (2025)

Private Mean Estimation with Person-Level Differential Privacy
von: Agarwal, Sushant, et al.
Veröffentlicht: (2024)

Reveal-or-Obscure: A Differentially Private Sampling Algorithm for Discrete Distributions
von: Tasnim, Naima, et al.
Veröffentlicht: (2025)

Differentially Private Clustering in Data Streams
von: Epasto, Alessandro, et al.
Veröffentlicht: (2023)

Single-Sample and Robust Online Resource Allocation
von: Ghuge, Rohan, et al.
Veröffentlicht: (2025)

Online Combinatorial Allocations and Auctions with Few Samples
von: Dütting, Paul, et al.
Veröffentlicht: (2024)

Smooth Nash Equilibria: Algorithms and Complexity
von: Daskalakis, Constantinos, et al.
Veröffentlicht: (2023)

Private Learning of Littlestone Classes, Revisited
von: Lyu, Xin
Veröffentlicht: (2025)

Differentially Private Multi-Sampling from Distributions
von: Cheu, Albert, et al.
Veröffentlicht: (2024)

Incentivizing Exploration with Selective Data Disclosure
von: Immorlica, Nicole, et al.
Veröffentlicht: (2018)

Smooth Lower Bounds for Differentially Private Algorithms via Padding-and-Permuting Fingerprinting Codes
von: Peter, Naty, et al.
Veröffentlicht: (2023)

Online Bidding Algorithms with Strict Return on Spend (ROS) Constraint
von: Vaze, Rahul, et al.
Veröffentlicht: (2025)

A Differentially Private Clustering Algorithm for Well-Clustered Graphs
von: He, Weiqiang, et al.
Veröffentlicht: (2024)

Almost Tight Error Bounds on Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2022)

Individual Privacy Accounting for Differentially Private Stochastic Gradient Descent
von: Yu, Da, et al.
Veröffentlicht: (2022)

On Differentially Private Subspace Estimation in a Distribution-Free Setting
von: Tsfadia, Eliad
Veröffentlicht: (2024)

Differentially Private Bootstrap: New Privacy Analysis and Inference Strategies
von: Wang, Zhanyu, et al.
Veröffentlicht: (2022)

Differentially Private Set Representations
von: Patel, Sarvar, et al.
Veröffentlicht: (2025)

Agnostic Private Density Estimation for GMMs via List Global Stability
von: Afzali, Mohammad, et al.
Veröffentlicht: (2024)

A Smooth Binary Mechanism for Efficient Private Continual Observation
von: Andersson, Joel Daniel, et al.
Veröffentlicht: (2023)

Better and Simpler Lower Bounds for Differentially Private Statistical Estimation
von: Narayanan, Shyam
Veröffentlicht: (2023)

Optimal Rates for Differentially Private Hypothesis Testing with E-values
von: Jacobsen, Ben, et al.
Veröffentlicht: (2026)

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

Making Old Things New: A Unified Algorithm for Differentially Private Clustering
von: la Tour, Max Dupré, et al.
Veröffentlicht: (2024)

A Polynomial Time, Pure Differentially Private Estimator for Binary Product Distributions
von: Singhal, Vikrant
Veröffentlicht: (2023)

Private Statistical Estimation via Truncation
von: Zampetakis, Manolis, et al.
Veröffentlicht: (2025)

Normalized Square Root: Sharper Matrix Factorization Bounds for Differentially Private Continual Counting
von: Henzinger, Monika, et al.
Veröffentlicht: (2025)

Differentially Private Low-dimensional Synthetic Data from High-dimensional Datasets
von: He, Yiyun, et al.
Veröffentlicht: (2023)

Computing Optimal Regularizers for Online Linear Optimization
von: Gatmiry, Khashayar, et al.
Veröffentlicht: (2024)