Buchumschlag

Differentially Private Policy Gradient

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rio, Alexandre, Barlier, Merwan, Colin, Igor
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Deep Model-Based Reinforcement Learning
von: Rio, Alexandre, et al.
Veröffentlicht: (2024)

Adaptive Sample Sharing for Multi Agent Linear Bandits
von: Cherkaoui, Hamza, et al.
Veröffentlicht: (2023)

A Conservative Approach for Few-Shot Transfer in Off-Dynamics Reinforcement Learning
von: Daoudi, Paul, et al.
Veröffentlicht: (2023)

Enhancing Reinforcement Learning Agents with Local Guides
von: Daoudi, Paul, et al.
Veröffentlicht: (2024)

Improving a Proportional Integral Controller with Reinforcement Learning on a Throttle Valve Benchmark
von: Daoudi, Paul, et al.
Veröffentlicht: (2024)

Certification for Differentially Private Prediction in Gradient-Based Training
von: Wicker, Matthew, et al.
Veröffentlicht: (2024)

Differentially Private Gradient Flow based on the Sliced Wasserstein Distance
von: Sebag, Ilana, et al.
Veröffentlicht: (2023)

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

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

On the Sample Complexity of Differentially Private Policy Optimization
von: He, Yi, et al.
Veröffentlicht: (2025)

Learning with Differentially Private (Sliced) Wasserstein Gradients
von: Rodríguez-Vítores, David, et al.
Veröffentlicht: (2025)

DPDR: Gradient Decomposition and Reconstruction for Differentially Private Deep Learning
von: Liu, Yixuan, et al.
Veröffentlicht: (2024)

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

Almost Sure Convergence Analysis of Differentially Private Stochastic Gradient Methods
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2025)

Differentially Private Block-wise Gradient Shuffle for Deep Learning
von: Zagardo, David
Veröffentlicht: (2024)

How to Make the Gradients Small Privately: Improved Rates for Differentially Private Non-Convex Optimization
von: Lowy, Andrew, et al.
Veröffentlicht: (2024)

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

Does "Do Differentiable Simulators Give Better Policy Gradients?'' Give Better Policy Gradients?
von: Onoda, Ku, et al.
Veröffentlicht: (2026)

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

Differentially Private Wasserstein Barycenters
von: Gu, Anming, et al.
Veröffentlicht: (2025)

Differentially Private Geodesic Regression
von: Kulkarni, Aditya, et al.
Veröffentlicht: (2025)

Differentially Private Conformal Prediction
von: Wu, Jiamei, et al.
Veröffentlicht: (2026)

DP-OPD: Differentially Private On-Policy Distillation for Language Models
von: Khadem, Fatemeh, et al.
Veröffentlicht: (2026)

Memory-Efficient Differentially Private Training with Gradient Random Projection
von: Mulrooney, Alex, et al.
Veröffentlicht: (2025)

Stabilizing Policy Gradients for Stochastic Differential Equations via Consistency with Perturbation Process
von: Zhou, Xiangxin, et al.
Veröffentlicht: (2024)

Differentially Private Two-Stage Gradient Descent for Instrumental Variable Regression
von: Liang, Haodong, et al.
Veröffentlicht: (2025)

Enabling Differentially Private Federated Learning for Speech Recognition: Benchmarks, Adaptive Optimizers and Gradient Clipping
von: Pelikan, Martin, et al.
Veröffentlicht: (2023)

Decentralized Differentially Private Power Method
von: Campbell, Andrew, et al.
Veröffentlicht: (2025)

Differentially Private Kernelized Contextual Bandits
von: Pavlovic, Nikola, et al.
Veröffentlicht: (2025)

Locally Differentially Private Thresholding Bandits
von: Barbara, Annalisa, et al.
Veröffentlicht: (2025)

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

Efficient Differentially Private Fine-Tuning of LLMs via Reinforcement Learning
von: Khadangi, Afshin, et al.
Veröffentlicht: (2025)

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

Reevaluating Policy Gradient Methods for Imperfect-Information Games
von: Rudolph, Max, et al.
Veröffentlicht: (2025)

Differentially Private Stochastic Gradient Descent with Fixed-Size Minibatches: Tighter RDP Guarantees with or without Replacement
von: Birrell, Jeremiah, et al.
Veröffentlicht: (2024)

Delving into Differentially Private Transformer
von: Ding, Youlong, et al.
Veröffentlicht: (2024)

Differentially Private Attention Computation
von: Gao, Yeqi, et al.
Veröffentlicht: (2023)

Differentially Private Diffusion Models
von: Dockhorn, Tim, et al.
Veröffentlicht: (2022)

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

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