Buchumschlag

Beyond Ordinary Lipschitz Constraints: Differentially Private Stochastic Optimization with Tsybakov Noise Condition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xu, Difei, Ding, Meng, Xiang, Zihang, Xu, Jinhui, Wang, Di
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

Improved Rates of Differentially Private Nonconvex-Strongly-Concave Minimax Optimization
von: Zhang, Ruijia, et al.
Veröffentlicht: (2025)

Finding Differentially Private Second Order Stationary Points in Stochastic Minimax Optimization
von: Xu, Difei, et al.
Veröffentlicht: (2026)

Towards User-level Private Reinforcement Learning with Human Feedback
von: Zhang, Jiaming, et al.
Veröffentlicht: (2025)

Differentially Private Non-convex Distributionally Robust Optimization
von: Xu, Difei, et al.
Veröffentlicht: (2026)

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

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

Beyond Tsybakov: Model Margin Noise and $\mathcal{H}$-Consistency Bounds
von: Mohri, Mehryar, et al.
Veröffentlicht: (2025)

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

Efficient Active Learning Halfspaces with Tsybakov Noise: A Non-convex Optimization Approach
von: Li, Yinan, et al.
Veröffentlicht: (2023)

Understanding Private Learning From Feature Perspective
von: Ding, Meng, et al.
Veröffentlicht: (2025)

Understanding Forgetting in Continual Learning with Linear Regression
von: Ding, Meng, et al.
Veröffentlicht: (2024)

Stochastic Weakly Convex Optimization Beyond Lipschitz Continuity
von: Gao, Wenzhi, et al.
Veröffentlicht: (2024)

Private Stochastic Optimization With Large Worst-Case Lipschitz Parameter
von: Lowy, Andrew, et al.
Veröffentlicht: (2022)

Beyond Slater's Condition in Online CMDPs with Stochastic and Adversarial Constraints
von: Stradi, Francesco Emanuele, et al.
Veröffentlicht: (2025)

Provable Effects of Data Replay in Continual Learning: A Feature Learning Perspective
von: Ding, Meng, et al.
Veröffentlicht: (2026)

Understanding the Impact of Differentially Private Training on Memorization of Long-Tailed Data
von: Zhang, Jiaming, et al.
Veröffentlicht: (2026)

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

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

FlashDP: Private Training Large Language Models with Efficient DP-SGD
von: Wang, Liangyu, et al.
Veröffentlicht: (2025)

Beyond Statistical Estimation: Differentially Private Individual Computation via Shuffling
von: Wang, Shaowei, et al.
Veröffentlicht: (2024)

An Optimization Framework for Differentially Private Sparse Fine-Tuning
von: Makni, Mehdi, et al.
Veröffentlicht: (2025)

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

DiSK: Differentially Private Optimizer with Simplified Kalman Filter for Noise Reduction
von: Zhang, Xinwei, et al.
Veröffentlicht: (2024)

DOPPLER: Differentially Private Optimizers with Low-pass Filter for Privacy Noise Reduction
von: Zhang, Xinwei, et al.
Veröffentlicht: (2024)

Adaptive Lipschitz-Free Conditional Gradient Methods for Stochastic Composite Nonconvex Optimization
von: Yuan, Ganzhao
Veröffentlicht: (2026)

ICODEN: Ordinary Differential Equation Neural Networks for Interval-Censored Data
von: Wang, Haoling, et al.
Veröffentlicht: (2026)

Second-Order Convergence in Private Stochastic Non-Convex Optimization
von: Tao, Youming, et al.
Veröffentlicht: (2025)

Correlated Noise Mechanisms for Differentially Private Learning
von: Pillutla, Krishna, et al.
Veröffentlicht: (2025)

Noise-Aware Differentially Private Variational Inference
von: Alrawajfeh, Talal, et al.
Veröffentlicht: (2024)

Preserving Node-level Privacy in Graph Neural Networks
von: Xiang, Zihang, et al.
Veröffentlicht: (2023)

Stochastic Weakly Convex Optimization Under Heavy-Tailed Noises
von: Zhu, Tianxi, et al.
Veröffentlicht: (2025)

Decoupled Marked Temporal Point Process using Neural Ordinary Differential Equations
von: Song, Yujee, et al.
Veröffentlicht: (2024)

Certificate-Guided Pruning for Stochastic Lipschitz Optimization
von: Shihab, Ibne Farabi, et al.
Veröffentlicht: (2026)

Differentially Private Conditional Independence Testing
von: Kalemaj, Iden, et al.
Veröffentlicht: (2023)

DP-aware AdaLN-Zero: Taming Conditioning-Induced Heavy-Tailed Gradients in Differentially Private Diffusion
von: Huang, Tao, et al.
Veröffentlicht: (2026)

Hidden State Differential Private Mini-Batch Block Coordinate Descent for Multi-convexity Optimization
von: Chen, Ding, et al.
Veröffentlicht: (2024)

Foundation Inference Models for Ordinary Differential Equations
von: Mauel, Maximilian, et al.
Veröffentlicht: (2026)

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

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

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