:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Maddock, Samuel, Gade, Shripad, Cormode, Graham, Bullock, Will
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2511.09672
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging Vertical Public-Private Split for Improved Synthetic Data Generation
von: Maddock, Samuel, et al.
Veröffentlicht: (2025)

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

FLAIM: AIM-based Synthetic Data Generation in the Federated Setting
von: Maddock, Samuel, et al.
Veröffentlicht: (2023)

Private Federated Multiclass Post-hoc Calibration
von: Maddock, Samuel, et al.
Veröffentlicht: (2025)

Towards Robust Federated Analytics via Differentially Private Measurements of Statistical Heterogeneity
von: Scott, Mary, et al.
Veröffentlicht: (2024)

Power Transform Revisited: Numerically Stable, and Federated
von: Xu, Xuefeng, et al.
Veröffentlicht: (2025)

Federated Computation of ROC and PR Curves
von: Xu, Xuefeng, et al.
Veröffentlicht: (2025)

FedPS: Federated data Preprocessing via aggregated Statistics
von: Xu, Xuefeng, et al.
Veröffentlicht: (2026)

Distributed, communication-efficient, and differentially private estimation of KL divergence
von: Scott, Mary, et al.
Veröffentlicht: (2024)

PAPAYA Federated Analytics Stack: Engineering Privacy, Scalability and Practicality
von: Srinivas, Harish, et al.
Veröffentlicht: (2024)

A theoretical basis for model collapse in recursive training
von: Borkar, Vivek Shripad
Veröffentlicht: (2025)

Stochastic approximation in non-markovian environments revisited
von: Borkar, Vivek Shripad
Veröffentlicht: (2026)

Does Differentially Private Synthetic Data Lead to Synthetic Discoveries?
von: Perez, Ileana Montoya, et al.
Veröffentlicht: (2024)

Differentially Private Synthetic Data Generation for Relational Databases
von: Alimohammadi, Kaveh, et al.
Veröffentlicht: (2024)

EPSVec: Efficient and Private Synthetic Data Generation via Dataset Vectors
von: Banayeeanzade, Amin, et al.
Veröffentlicht: (2026)

A dynamic view of some anomalous phenomena in SGD
von: Borkar, Vivek Shripad
Veröffentlicht: (2025)

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

Online Differentially Private Synthetic Data Generation
von: He, Yiyun, et al.
Veröffentlicht: (2024)

GEM-T: Generative Tabular Data via Fitting Moments
von: Li, Miao, et al.
Veröffentlicht: (2025)

Latent Noise Injection for Private and Statistically Aligned Synthetic Data Generation
von: Shen, Rex, et al.
Veröffentlicht: (2025)

Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
von: Swanberg, Marika, et al.
Veröffentlicht: (2025)

Synthetic Data Generation and Differential Privacy using Tensor Networks' Matrix Product States (MPS)
von: R., Alejandro Moreno, et al.
Veröffentlicht: (2025)

Evaluation in Neural Style Transfer: A Review
von: Ioannou, Eleftherios, et al.
Veröffentlicht: (2024)

Scalable and Privacy-Preserving Synthetic Data Generation on Decentralised Web
von: Ramesh, Vishal, et al.
Veröffentlicht: (2023)

Dynamic Context Evolution for Scalable Synthetic Data Generation
von: Lingo, Ryan, et al.
Veröffentlicht: (2026)

Controlled Generation for Private Synthetic Text
von: Zhao, Zihao, et al.
Veröffentlicht: (2025)

Differentially Private Synthetic Data Generation Using Context-Aware GANs
von: Kotal, Anantaa, et al.
Veröffentlicht: (2025)

Leveraging Programmatically Generated Synthetic Data for Differentially Private Diffusion Training
von: Choi, Yujin, et al.
Veröffentlicht: (2024)

Evaluation-Aware Reinforcement Learning
von: Deshmukh, Shripad Vilasrao, et al.
Veröffentlicht: (2025)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Differentially Private Synthetic Data with Private Density Estimation
von: Bojkovic, Nikolija, et al.
Veröffentlicht: (2024)

Differentially Private and Scalable Estimation of the Network Principal Component
von: Khayatian, Alireza, et al.
Veröffentlicht: (2025)

PRISM: Differentially Private Synthetic Data with Structure-Aware Budget Allocation for Prediction
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

dpmm: Differentially Private Marginal Models, a Library for Synthetic Tabular Data Generation
von: Mahiou, Sofiane, et al.
Veröffentlicht: (2025)

Synthetic Interaction Data for Scalable Personalization in Large Language Models
von: Ma, Yuchen, et al.
Veröffentlicht: (2026)

Joint Selection: Adaptively Incorporating Public Information for Private Synthetic Data
von: Fuentes, Miguel, et al.
Veröffentlicht: (2024)

PATE-TabTransGAN: Differentially Private Synthetic Tabular Data Generation via Transformer-Based Student Discrimination
von: Youssef, M., et al.
Veröffentlicht: (2026)

Differentially Private Synthetic Data Release for Topics API Outputs
von: Dick, Travis, et al.
Veröffentlicht: (2025)

Quantitative Auditing of AI Fairness with Differentially Private Synthetic Data
von: Yuan, Chih-Cheng Rex, et al.
Veröffentlicht: (2025)

Inverse Reinforcement Learning without an Optimal Demonstrator: A Feasible Reward Set Approach
von: Kim, Kihyun, et al.
Veröffentlicht: (2026)