实体
Differentially Private Stochastic Gradient Descent
Differentially Private Stochastic Gradient Descent
PulseAugur coverage of Differentially Private Stochastic Gradient Descent — every cluster mentioning Differentially Private Stochastic Gradient Descent across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的DP-MacAdam算法改进了私有机器学习训练
研究人员推出了一种名为DP-MacAdam的新算法，旨在增强机器学习训练中的隐私保护。该方法结合了自适应裁剪和自适应动量技术，对这两种过程使用相同的梯度方差估计。该算法旨在改进现有方法（如DP-SGD和DP-Adam）的模型效用，而无需手动调整裁剪阈值。
-
新算法增强选择性发布机器学习中的隐私保证
研究人员发现差分隐私选择性更新和发布（DPSUR）算法的隐私核算存在缺陷。现有方法忽略了其选择性发布机制引入的采样概率变化，可能削弱隐私保证。为解决此问题，提出了一种名为基于梯度裁剪的差分隐私选择性发布（DPSR-CG）的新算法，该算法提供了更严格的隐私分析，并在各种数据集上表现出强劲的性能。