:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Haixia, Ding, Yi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.03277
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RPWithPrior: Label Differential Privacy in Regression
von: Liu, Haixia, et al.
Veröffentlicht: (2026)

SynthesizRR: Generating Diverse Datasets with Retrieval Augmentation
von: Divekar, Abhishek, et al.
Veröffentlicht: (2024)

FairRR: Pre-Processing for Group Fairness through Randomized Response
von: Zeng, Xianli, et al.
Veröffentlicht: (2024)

Enhancing Learning with Label Differential Privacy by Vector Approximation
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Model Privacy: A Unified Framework for Understanding Model Stealing Attacks and Defenses
von: Wang, Ganghua, et al.
Veröffentlicht: (2025)

The Exploration of Error Bounds in Classification with Noisy Labels
von: Liu, Haixia, et al.
Veröffentlicht: (2025)

On Theoretical Limits of Learning with Label Differential Privacy
von: Zhao, Puning, et al.
Veröffentlicht: (2025)

Abstract Gradient Training: A Unified Certification Framework for Data Poisoning, Unlearning, and Differential Privacy
von: Sosnin, Philip, et al.
Veröffentlicht: (2025)

Fairness via Independence: A (Conditional) Distance Covariance Framework
von: Huang, Ruifan, et al.
Veröffentlicht: (2024)

Contextual Dynamic Pricing: Algorithms, Optimality, and Local Differential Privacy Constraints
von: Zhao, Zifeng, et al.
Veröffentlicht: (2024)

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

Group Projected Subspace Pursuit for Block Sparse Signal Reconstruction: Convergence Analysis and Applications
von: He, Roy Y., et al.
Veröffentlicht: (2024)

Revisiting Hyperparameter Tuning with Differential Privacy
von: Ding, Youlong, et al.
Veröffentlicht: (2022)

Combating Confirmation Bias: A Unified Pseudo-Labeling Framework for Entity Alignment
von: Ding, Qijie, et al.
Veröffentlicht: (2023)

LNN-PINN: A Unified Physics-Only Training Framework with Liquid Residual Blocks
von: Tao, Ze, et al.
Veröffentlicht: (2025)

Progressive Supervision via Label Decomposition: An Long-Term and Large-Scale Wireless Traffic Forecasting Method
von: Liang, Daojun, et al.
Veröffentlicht: (2025)

Privacy Leakage via Output Label Space and Differentially Private Continual Learning
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

An Efficient Training Algorithm for Models with Block-wise Sparsity
von: Zhu, Ding, et al.
Veröffentlicht: (2025)

A Privacy-Preserving Framework for Advertising Personalization Incorporating Federated Learning and Differential Privacy
von: Li, Xiang, et al.
Veröffentlicht: (2025)

An Interactive Framework for Finding the Optimal Trade-off in Differential Privacy
von: Yang, Yaohong, et al.
Veröffentlicht: (2025)

On the Price of Differential Privacy for Spectral Clustering over Stochastic Block Models
von: Koskela, Antti, et al.
Veröffentlicht: (2025)

Federated Cubic Regularized Newton Learning with Sparsification-amplified Differential Privacy
von: Huo, Wei, et al.
Veröffentlicht: (2024)

Providing Differential Privacy for Federated Learning Over Wireless: A Cross-layer Framework
von: Mao, Jiayu, et al.
Veröffentlicht: (2024)

Crowding Out The Noise: Algorithmic Collective Action Under Differential Privacy
von: Solanki, Rushabh, et al.
Veröffentlicht: (2025)

A Unified Framework for Simultaneous Parameter and Function Discovery in Differential Equations
von: Manor, Shalev, et al.
Veröffentlicht: (2025)

Multi-Head Encoding for Extreme Label Classification
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

Tractable MCMC for Private Learning with Pure and Gaussian Differential Privacy
von: Lin, Yingyu, et al.
Veröffentlicht: (2023)

Local Differential Privacy is Not Enough: A Sample Reconstruction Attack against Federated Learning with Local Differential Privacy
von: You, Zhichao, et al.
Veröffentlicht: (2025)

Observational Auditing of Label Privacy
von: Kalemaj, Iden, et al.
Veröffentlicht: (2025)

Privacy for Fairness: Information Obfuscation for Fair Representation Learning with Local Differential Privacy
von: Xie, Songjie, et al.
Veröffentlicht: (2024)

The Exploration of Neural Collapse under Imbalanced Data
von: Liu, Haixia
Veröffentlicht: (2024)

Purifying Approximate Differential Privacy with Randomized Post-processing
von: Lin, Yingyu, et al.
Veröffentlicht: (2025)

Federated Transfer Learning with Differential Privacy
von: Li, Mengchu, et al.
Veröffentlicht: (2024)

Forward Learning with Differential Privacy
von: Feng, Mingqian, et al.
Veröffentlicht: (2025)

Learning with User-Level Local Differential Privacy
von: Zhao, Puning, et al.
Veröffentlicht: (2024)

Imprecise Label Learning: A Unified Framework for Learning with Various Imprecise Label Configurations
von: Chen, Hao, et al.
Veröffentlicht: (2023)

Federated Learning with Differential Privacy: An Utility-Enhanced Approach
von: Ranaweera, Kanishka, et al.
Veröffentlicht: (2025)

A Methodological Framework for Measuring Spatial Labeling Similarity
von: Du, Yihang, et al.
Veröffentlicht: (2025)

Revisiting the Role of Label Smoothing in Enhanced Text Sentiment Classification
von: Gao, Yijie, et al.
Veröffentlicht: (2023)

Wasserstein Differential Privacy
von: Yang, Chengyi, et al.
Veröffentlicht: (2024)