A Study on Differential Private Online Learning
A Study on Differential Private Online Learning
复制标题
差异化私人在线学习研究
DOI：
10.4236/jcc.2017.52004
复制
发表时间：
2017-01
期刊：
影响因子：
--
通讯作者：
Cheng Wang
中科院分区：
文献类型：
--
作者：
Weilin Nie;Cheng Wang
在线学习算法非常有吸引力，其中有效地应用迭代而不是解决一些优化问题。在本文中，考虑了具有隐私保护的在线学习。一个扰动项被添加到经典（此处“classica”应为“classical”，即“经典的”，句子似乎不完整）……
Online learning algorithms are very attractive, in which iterations are applied efficiently instead of solving some optimization problems. In this paper, online learning with protecting privacy is considered. A perturbation term is added into the classical online algorithms to obtain the differential privacy property. Firstly the distribution for the perturbation term is deduced, and then an error analysis for the new algorithms is performed, which shows the convergence and learning rate. From the error analysis, a choice for the parameters for differential privacy can be found theoretically.
登录
查看更多内容
DOI：
--
发表时间：
2015-02
期刊：
ArXiv
影响因子：
--
作者：
Yiming Ying;Ding-Xuan Zhou
通讯作者：
Yiming Ying;Ding-Xuan Zhou
DOI：
10.1090/s0002-9947-1950-0051437-7
发表时间：
1950-01-01
影响因子：
1.3
作者：
ARONSZAJN, N
通讯作者：
ARONSZAJN, N
DOI：
10.1007/978-3-319-32903-1_172-1
发表时间：
2018-12
期刊：
Encyclopedia of Wireless Networks
影响因子：
--
作者：
Meng Li
通讯作者：
Meng Li
影响因子：
3
作者：
S. Smale;Y. Yao
通讯作者：
S. Smale;Y. Yao
影响因子：
1.3
作者：
F. Cucker;S. Smale
通讯作者：
F. Cucker;S. Smale