Zobrazeno 1 - 7
of 7
pro vyhledávání: '"Tang, Qiaoyue"'
Autor:
Kazmi, Mishaal, Lautraite, Hadrien, Akbari, Alireza, Tang, Qiaoyue, Soroco, Mauricio, Wang, Tao, Gambs, Sébastien, Lécuyer, Mathias
We present PANORAMIA, a privacy leakage measurement framework for machine learning models that relies on membership inference attacks using generated data as non-members. By relying on generated non-member data, PANORAMIA eliminates the common depend
Externí odkaz:
http://arxiv.org/abs/2402.09477
The Adam optimizer is a popular choice in contemporary deep learning, due to its strong empirical performance. However we observe that in privacy sensitive scenarios, the traditional use of Differential Privacy (DP) with the Adam optimizer leads to s
Externí odkaz:
http://arxiv.org/abs/2312.14334
Autor:
Tang, Qiaoyue, Lécuyer, Mathias
We observe that the traditional use of DP with the Adam optimizer introduces a bias in the second moment estimation, due to the addition of independent noise in the gradient computation. This bias leads to a different scaling for low variance paramet
Externí odkaz:
http://arxiv.org/abs/2304.11208
Vehicle Routing Problems (VRPs) in real-world applications often come with various constraints, therefore bring additional computational challenges to exact solution methods or heuristic search approaches. The recent idea to learn heuristic move patt
Externí odkaz:
http://arxiv.org/abs/2207.09860
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.