Dispersion for Data-Driven Algorithm Design, Online Learning, and Private Optimization

A crucial problem in modern data science is data-driven algorithm design, where the goal is to choose the best algorithm, or algorithm parameters, for a specific application domain. In practice, we often optimize over a parametric algorithm family, searching for parameters with high performance on a...

Celý popis

Podrobná bibliografie

Vydáno v:	2018 IEEE 59th Annual Symposium on Foundations of Computer Science (FOCS) s. 603 - 614
Hlavní autoři:	Balcan, Maria-Florina, Dick, Travis, Vitercik, Ellen
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 01.10.2018
Témata:	algorithm design Approximation algorithms Clustering algorithms differentially private optimization Dispersion Greedy algorithms online optimization Optimization piecewise Lipschitz Pricing Privacy
ISSN:	2575-8454
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!