新方法将噪声感知差分隐私推断扩展到高维非共轭模型
热点事件持续更新
新方法将噪声感知差分隐私推断扩展到高维非共轭模型
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Talal Alrawajfeh、Joonas Jälkö 和 Antti Honkela 提出一种基于随机梯度变分推断的噪声感知近似贝叶斯推断方法，将此前仅适用于简单概率模型的噪声感知方法扩展到高维和非共轭模型。 据该论文，新方法在现有方法适用领域内表现相当，并在高维贝叶斯线性回归上获得准确覆盖率，在 UCI Adult 数据集的贝叶斯逻辑回归上给出良好校准的预测概率。论文发表于 AISTATS 2025。
AI 根据报道生成 · 3 小时前更新
最新进展10月15日 12:00
噪声感知差分隐私变分推理：面向高维非共轭模型的新方法报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv stat.ML噪声感知差分隐私变分推理：面向高维非共轭模型的新方法
研究者提出一种基于随机梯度变分推理的噪声感知近似贝叶斯推理方法，可应用于高维和非共轭模型，突破了现有噪声感知方法仅适用于简单概率模型的限制。该方法在现有方法适用领域内表现相当，在高维贝叶斯线性回归上获得准确覆盖率，并在 UCI Adult 数据集的贝叶斯逻辑回归上给出良好校准的预测概率。论文发表于 AISTATS 2025。
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。