:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Campbell, Andrew, Scaglione, Anna, Peisert, Sean
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2507.22849
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Differentially Private Distribution Release of Gaussian Mixture Models via KL-Divergence Minimization
von: Liu, Hang, et al.
Veröffentlicht: (2025)

Differentially Private Synthetic Voltage Phasor Release for Distribution Grids
von: Campbell, Andrew, et al.
Veröffentlicht: (2026)

Differentially Private Communication of Measurement Anomalies in the Smart Grid
von: Ravi, Nikhil, et al.
Veröffentlicht: (2024)

Differential Privacy of Network Parameters from a System Identification Perspective
von: Campbell, Andrew, et al.
Veröffentlicht: (2025)

Graph Transfer Learning via Shared Latent Geometry: Theory and Applications
von: Wu, Tong, et al.
Veröffentlicht: (2026)

Optimum Noise Mechanism for Differentially Private Queries in Discrete Finite Sets
von: Kadam, Sachin, et al.
Veröffentlicht: (2021)

Compressed and Sparse Models for Non-Convex Decentralized Learning
von: Campbell, Andrew, et al.
Veröffentlicht: (2023)

Complex-Value Spatio-temporal Graph Convolutional Neural Networks and its Applications to Electric Power Systems AI
von: Wu, Tong, et al.
Veröffentlicht: (2022)

Differentially Private Decentralized Learning with Random Walks
von: Cyffers, Edwige, et al.
Veröffentlicht: (2024)

Adaptive Power Iteration Method for Differentially Private PCA
von: Nguyen, Ta Duy, et al.
Veröffentlicht: (2026)

Straggler-Resilient Differentially-Private Decentralized Learning
von: Yakimenka, Yauhen, et al.
Veröffentlicht: (2022)

Differentially Private Decentralized Dataset Synthesis Through Randomized Mixing with Correlated Noise
von: Saha, Utsab, et al.
Veröffentlicht: (2025)

Shuffled Linear Regression via Spectral Matching
von: Liu, Hang, et al.
Veröffentlicht: (2024)

Generalizing Differentially Private Decentralized Deep Learning with Multi-Agent Consensus
von: Bayrooti, Jasmine, et al.
Veröffentlicht: (2023)

A Stochastic Optimization Framework for Private and Fair Learning From Decentralized Data
von: Gupta, Devansh, et al.
Veröffentlicht: (2024)

Dropout-Robust Mechanisms for Differentially Private and Fully Decentralized Mean Estimation
von: Sabater, César, et al.
Veröffentlicht: (2025)

Dyn-D$^2$P: Dynamic Differentially Private Decentralized Learning with Provable Utility Guarantee
von: Zhu, Zehan, et al.
Veröffentlicht: (2025)

Enhancing Privacy in Decentralized Min-Max Optimization: A Differentially Private Approach
von: Quan, Yueyang, et al.
Veröffentlicht: (2025)

Efficient Node Selection in Private Personalized Decentralized Learning
von: Zec, Edvin Listo, et al.
Veröffentlicht: (2023)

Output Perturbation for Differentially Private Convex Optimization: Faster and More General
von: Lowy, Andrew, et al.
Veröffentlicht: (2021)

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

Differentially Private Policy Gradient
von: Rio, Alexandre, 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)

Efficient Differentially Private Fine-Tuning of Diffusion Models
von: Liu, Jing, et al.
Veröffentlicht: (2024)

Differentially Private Permutation Tests: Applications to Kernel Methods
von: Kim, Ilmun, et al.
Veröffentlicht: (2023)

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

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

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

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

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

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

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

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)

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

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)

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)