Buchumschlag

Differentially Private Conformal Prediction

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Jiamei, Zhang, Ce, Cai, Zhipeng, Kong, Jingsen, Jiang, Bei, Kong, Linglong, Kong, Lingchen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Deep Fair Learning: A Unified Framework for Fine-tuning Representations with Sufficient Networks
von: Shi, Enze, et al.
Veröffentlicht: (2025)

How Does Return Distribution in Distributional Reinforcement Learning Help Optimization?
von: Sun, Ke, et al.
Veröffentlicht: (2022)

Non-Asymptotic Analysis of Online Local Private Learning with SGD
von: Shi, Enze, et al.
Veröffentlicht: (2025)

Oblivious subspace embeddings for compressed Tucker decompositions
von: Pietrosanu, Matthew, et al.
Veröffentlicht: (2024)

Understanding Fairness and Prediction Error through Subspace Decomposition and Influence Analysis
von: Shi, Enze, et al.
Veröffentlicht: (2025)

Fast Online $L_0$ Elastic Net Subspace Clustering via A Novel Dictionary Update Strategy
von: Qu, Wentao, et al.
Veröffentlicht: (2024)

A Deep Bayesian Nonparametric Framework for Robust Mutual Information Estimation
von: Fazeliasl, Forough, et al.
Veröffentlicht: (2025)

Prediction-powered Inference by Mixture of Experts
von: Gu, Yanwu, et al.
Veröffentlicht: (2026)

Distributional Reinforcement Learning with Regularized Wasserstein Loss
von: Sun, Ke, et al.
Veröffentlicht: (2022)

Online federated learning framework for classification
von: Guo, Wenxing, et al.
Veröffentlicht: (2025)

Intrinsic Benefits of Categorical Distributional Loss: Uncertainty-aware Regularized Exploration in Reinforcement Learning
von: Sun, Ke, et al.
Veröffentlicht: (2021)

Differentially Private Optimization for Non-Decomposable Objective Functions
von: Kong, Weiwei, et al.
Veröffentlicht: (2023)

FOCUS: Towards Universal Foreground Segmentation
von: You, Zuyao, et al.
Veröffentlicht: (2025)

Sparse Decentralized Federated Learning
von: Sha, Shan, et al.
Veröffentlicht: (2023)

Fair Conformal Prediction for Incomplete Covariate Data
von: Kong, Jingsen, et al.
Veröffentlicht: (2025)

Pattern-Matching Dynamic Memory Network for Dual-Mode Traffic Prediction
von: Weng, Wenchao, et al.
Veröffentlicht: (2024)

Statistical Undersampling with Mutual Information and Support Points
von: Mak, Alex, et al.
Veröffentlicht: (2024)

A Distance-based Anomaly Detection Framework for Deep Reinforcement Learning
von: Zhang, Hongming, et al.
Veröffentlicht: (2021)

Decentralized Federated Learning by Partial Message Exchange
von: Sha, Shan, et al.
Veröffentlicht: (2026)

FedSTaS: Client Stratification and Client Level Sampling for Efficient Federated Learning
von: Slessor, Jordan, et al.
Veröffentlicht: (2024)

Predicting Market Trends with Enhanced Technical Indicator Integration and Classification Models
von: Hafid, Abdelatif, et al.
Veröffentlicht: (2024)

CBMA: Improving conformal prediction through Bayesian model averaging
von: Bhagwat, Pankaj, et al.
Veröffentlicht: (2025)

Understanding Differential Transformer Unchains Pretrained Self-Attentions
von: Kong, Chaerin, et al.
Veröffentlicht: (2025)

Differentially Private Conformal Prediction via Quantile Binary Search
von: Romanus, Ogonnaya M., et al.
Veröffentlicht: (2025)

Conformal Inference For Missing Data under Multiple Robust Learning
von: Tang, Wenlu, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Prediction of Lung Tumor Growth from Sparse Longitudinal CT Data via Bayesian Physics-Informed Neural Networks
von: Kong, Lingfei, et al.
Veröffentlicht: (2026)

Principled Fast and Meta Knowledge Learners for Continual Reinforcement Learning
von: Sun, Ke, et al.
Veröffentlicht: (2026)

Clustering and Median Aggregation Improve Differentially Private Inference
von: Amin, Kareem, et al.
Veröffentlicht: (2025)

Negative Pre-activations Differentiate Syntax
von: Kong, Linghao, et al.
Veröffentlicht: (2025)

GraphSparseNet: a Novel Method for Large Scale Traffic Flow Prediction
von: Kong, Weiyang, et al.
Veröffentlicht: (2025)

Reward Shaping for Inference-Time Alignment: A Stackelberg Game Perspective
von: Wang, Haichuan, et al.
Veröffentlicht: (2026)

RQP-SGD: Differential Private Machine Learning through Noisy SGD and Randomized Quantization
von: Feng, Ce, et al.
Veröffentlicht: (2024)

What Is the Point of Equality in Machine Learning Fairness? Beyond Equality of Opportunity
von: Kong, Youjin
Veröffentlicht: (2025)

Universal crystal material property prediction via multi-view geometric fusion in graph transformers
von: Zhang, Liang, et al.
Veröffentlicht: (2025)

Posterior concentrations of fully-connected Bayesian neural networks with general priors on the weights
von: Kong, Insung, et al.
Veröffentlicht: (2024)

ContinuousBench: Can Differentially Private Synthetic Text Improve Capabilities?
von: Liu, Peihan, et al.
Veröffentlicht: (2026)

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

Inverse Contextual Bandits without Rewards: Learning from a Non-Stationary Learner via Suffix Imitation
von: Kong, Yuqi, et al.
Veröffentlicht: (2026)

Vulnerability Analysis of Safe Reinforcement Learning via Inverse Constrained Reinforcement Learning
von: Fan, Jialiang, et al.
Veröffentlicht: (2026)

Robust Decision Aggregation with Adversarial Experts
von: Guo, Yongkang, et al.
Veröffentlicht: (2024)