:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Asiaee, Amir, Yan, Chao, Abrams, Zachary B., Malin, Bradley A.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2602.10232
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Noise-Calibrated Inference from Differentially Private Sufficient Statistics in Exponential Families
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

CausalWrap: Model-Agnostic Causal Constraint Wrappers for Tabular Synthetic Data
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Efficient Discovery of Approximate Causal Abstractions via Neural Mechanism Sparsification
von: Asiaee, Amir
Veröffentlicht: (2026)

SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
von: Zhou, Yan, et al.
Veröffentlicht: (2025)

A Reinforcement Learning Approach to Synthetic Data Generation
von: Espinosa-Dice, Natalia, et al.
Veröffentlicht: (2025)

Fix Representation (Optimally) Before Fairness: Finite-Sample Shrinkage Population Correction and the True Price of Fairness Under Subpopulation Shift
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Fairness Under Group-Conditional Prior Probability Shift: Invariance, Drift, and Target-Aware Post-Processing
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Projected Boosting with Fairness Constraints: Quantifying the Cost of Fair Training Distributions
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Improving RCT-Based CATE Estimation Under Covariate Mismatch via Calibrated Alignment
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Partial Causal Structure Learning for Valid Selective Conformal Inference under Interventions
von: Asiaee, Amir, et al.
Veröffentlicht: (2026)

Identifying Dementia Subtypes with Electronic Health Records
von: Kumar, Sayantan, et al.
Veröffentlicht: (2022)

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

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

Bounding the Excess Risk for Linear Models Trained on Marginal-Preserving, Differentially-Private, Synthetic Data
von: Zhou, Yvonne, et al.
Veröffentlicht: (2024)

Differentially-Private Data Synthetisation for Efficient Re-Identification Risk Control
von: Carvalho, Tânia, et al.
Veröffentlicht: (2022)

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

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

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

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

Causal Discovery with Mixed Latent Confounding via Precision Decomposition
von: Asiaee, Amir, et al.
Veröffentlicht: (2025)

Synthetic Data Outliers: Navigating Identity Disclosure
von: Trindade, Carolina, et al.
Veröffentlicht: (2024)

Tabular Data Adapters: Improving Outlier Detection for Unlabeled Private Data
von: Herurkar, Dayananda, et al.
Veröffentlicht: (2025)

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)

An $\tilde{O}$ptimal Differentially Private Learner for Concept Classes with VC Dimension 1
von: Yan, Chao
Veröffentlicht: (2025)

MedEqualizer: A Framework Investigating Bias in Synthetic Medical Data and Mitigation via Augmentation
von: Salarian, Sama, 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)

Mitigating Model Drift in Developing Economies Using Synthetic Data and Outliers
von: Varshavskiy, Ilyas, et al.
Veröffentlicht: (2025)

Private Prediction via Shrinkage
von: Yan, Chao
Veröffentlicht: (2026)

On the Fairness of Privacy Protection: Measuring and Mitigating the Disparity of Group Privacy Risks for Differentially Private Machine Learning
von: Yang, Zhi, et al.
Veröffentlicht: (2025)

Protect and Extend -- Using GANs for Synthetic Data Generation of Time-Series Medical Records
von: Ashrafi, Navid, et al.
Veröffentlicht: (2024)

The Importance of Being Discrete: Measuring the Impact of Discretization in End-to-End Differentially Private Synthetic Data
von: Ganev, Georgi, et al.
Veröffentlicht: (2025)

zGAN: An Outlier-focused Generative Adversarial Network For Realistic Synthetic Data Generation
von: Azimi, Azizjon, et al.
Veröffentlicht: (2024)

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

Differentially Private Synthetic Data via Foundation Model APIs 1: Images
von: Lin, Zinan, et al.
Veröffentlicht: (2023)

PASS: Private Attributes Protection with Stochastic Data Substitution
von: Chen, Yizhuo, et al.
Veröffentlicht: (2025)

Differentially Private Synthetic Graphs Preserving Triangle-Motif Cuts
von: Peng, Pan, et al.
Veröffentlicht: (2025)

NLICE: Synthetic Medical Record Generation for Effective Primary Healthcare Differential Diagnosis
von: Al-Ars, Zaid, et al.
Veröffentlicht: (2024)