机器学习
文章平均质量分 90
XueDaxuan
这个作者很懒,什么都没留下…
展开
-
高斯差分隐私
这篇文章的背景是说在深度学习下的隐私保护中,差分隐私在组合和采样等方面存在隐私退化问题,从而对训练神经网络进行隐私分析变得十分复杂。所以文章提出一种新的定义叫做f-DP,用于对训练神经网络进行细化的隐私分析。并且利用f-DP的组合和采样属性推导出SGD和Adam优化算法的隐私保证的表达式。在DP中,我们用概率分布来确定样本是否在两个数据集中,如果背景知识强大的攻击者不能够区分样本来自哪个数据集,那么证明这个随机算法是好的。那么从统计学假设检验的角度来看的话,我们可以把问题等价成,原假设H0和备择假设H1。将原创 2022-07-11 08:41:53 · 1504 阅读 · 1 评论 -
机器学习基础知识
监督学习:回归和分类无监督学习:聚类 用一张image去聚类然后生成一个3D空间图强化学习:利用一个学习算法,通过一系列的决策,让他学会什么是好什么是坏。程序操控直升机,当他下降给他说:bad ,如果做了正确的事情,上升就说good,有一个reward函数,需要找一个更多的good和更少的bad。这样直升机就会学会更多的good操作来获取更多的奖励。梯度下降:假设在一个三维小山坡,去找一个方向能让你下坡速度更快,就是梯度的方向,站到新的方向继续思考。(不同的初始起点,会造成不同的方向) 随机梯度下降:用每一原创 2022-06-27 10:55:41 · 265 阅读 · 0 评论