研究评估差分隐私合成时序的序列组装策略
热点事件持续更新
研究评估差分隐私合成时序的序列组装策略
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Guoxiong Long等作者发表研究,评估差分隐私时间序列生成器输出固定长度合成窗口后,如何组装成下游预测模型所需的长连续训练序列。研究在ETTh1、ETTm1、Weather、Appliances四类数据集和五种预测模型上系统变化重叠率与窗口加权方案,发现TSTR效用由预测器、重叠率和加权方案共同决定,不同模型有各自的组装偏好。
AI 根据报道生成 · 2 小时前更新
最新进展10月8日 12:00
差分隐私合成时间序列预测中的序列组装策略评估报道时间线
沿着报道,了解事件的不同侧面。
10月8日
- arXiv cs.LG差分隐私合成时间序列预测中的序列组装策略评估
差分隐私时间序列生成器通常输出固定长度合成窗口,而下游预测模型需要长连续训练序列,生成后的窗口组装方式会改变预测器实际获得的数据。研究在 ETTh1、ETTm1、Weather、Appliances 四类数据集和五种预测模型上系统变化重叠率与窗口加权方案,发现 TSTR 效用由预测器、重叠率和加权方案共同决定,不同模型有各自的组装偏好。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。