研究扰动目标上梯度下降的差分隐私
热点事件观察中
研究扰动目标上梯度下降的差分隐私
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Austin Watkins 和 Raman Arora 发表论文，研究对正则化经验风险加入一次性随机线性项 z~N(0,σ²I_d) 后，释放确定性梯度下降第 N 次迭代所得有限计算的差分隐私性质。 在强凸、光滑且 Hessian 满足 Lipschitz 条件下，作者证明从 z 到第 N 次迭代权重 w_N 的映射在隐私论证所用的有界域上是 C¹ 微分同胚，并给出 Jacobian 最小奇异值的定量下界。
AI 根据报道生成 · 14 小时前更新
最新进展10月5日 12:00
扰动目标上梯度下降的差分隐私研究报道时间线
沿着报道，了解事件的不同侧面。
10月5日
- arXiv stat.ML扰动目标上梯度下降的差分隐私研究
研究对正则化经验风险加入随机线性项 z~N(0,σ²I_d) 后，释放确定性梯度下降第 N 次迭代所得有限计算的差分隐私性质。在强凸、光滑且 Hessian 满足 Lipschitz 条件下，证明 z↦w_N 在隐私论证所用有界域上是 C¹ 微分同胚，并给出 Jacobian 最小奇异值的定量下界。
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。