新论文探讨完美隐私下的信息瓶颈

本文在完美隐私条件下探讨信息瓶颈原理，重点关注表示率约束活跃的场景。目标是创建一个在保持效用相关信息的同时，与敏感变量统计独立的表示。这种严格的独立性要求比标准的率-相关性权衡增加了复杂性。为解决此问题，作者提出了一种基于交替方向乘子法（ADMM）的方法，证明了其全局收敛性，并使用Kurdyka-Lojasiewicz指数对其速率进行了表征，同时扩展了不精确更新的情况。 AI

影响 该研究有助于对隐私保护信息表示的理论理解，可能影响未来AI模型的设计。

排序理由 关于理论AI概念的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• Influence Flower
• information bottleneck
• Kurdyka-Lojasiewicz exponent
• ScienceCast

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →