交互决策中贝叶斯CVaR下界方法提出
热点事件持续更新
交互决策中贝叶斯CVaR下界方法提出
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Raghav Bongole 提出一种信息论方法，用于为交互式统计决策（ISDM）中损失的贝叶斯 CVaR 建立下界。该方法用随机化二元统计量替代单一错误事件，将问题归约为 Bernoulli f-散度不等式。 在观测阶段施加局部差分隐私（LDP）后，该方法结合 LDP 收缩不等式与自适应 KL 链式法则，给出异构隐私参数下高斯均值估计和高斯 K 臂老虎机的显式贝叶斯 CVaR 下界。
AI 根据报道生成 · 48 分钟前更新
最新进展10月20日 20:57
交互式问题中局部差分隐私下贝叶斯 CVaR 的下界报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- arXiv 隐私论文交互式问题中局部差分隐私下贝叶斯 CVaR 的下界
研究为交互式统计决策（ISDM）中损失的贝叶斯 CVaR 建立了信息论下界方法，用随机化二元统计量替代单一错误事件，将问题归约为 Bernoulli f-散度不等式。在观测阶段施加局部差分隐私（LDP）后，结合 LDP 收缩不等式与自适应 KL 链式法则，给出了异构隐私参数下高斯均值估计和高斯 K 臂老虎机的显式贝叶斯 CVaR 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。