使用敏感用户数据调用隐私保护方法，执行低排名矩阵完成。在这项工作中，我们提出了一种新型的噪声添加机制，用于保留差异隐私，其中噪声分布受Huber损失的启发，Huber损失是众所周知的稳定统计数据中众所周知的损失功能。在使用交替的最小二乘方法来解决矩阵完成问题的同时，对现有的差异隐私机制进行了评估。我们还建议使用迭代重新加权的最小二乘算法来完成低级矩阵，并研究合成和真实数据集中不同噪声机制的性能。我们证明所提出的机制实现了{\ epsilon} - 差异性隐私，类似于拉普拉斯机制。此外，经验结果表明，在某些情况下，Huber机制优于Laplacian和Gaussian，否则是可比的。
translated by 谷歌翻译
在科学和工程的几个领域，识别化合物至关重要。基于激光的技术对于自主化合物检测很有希望，因为材料的光学响应编码了足够的电子和振动信息，以供远程化学识别。使用红外吸收光谱的指纹区域对此进行了利用，后者涉及一组密集的吸收峰，这些吸收峰是单个分子独有的，从而促进化学鉴定。但是，尚未实现使用可见光的光学识别。在从紫外线到远红外的纯有机化合物和聚合物的科学文献中，使用数十年的实验折射率数据，我们开发了一个机器学习分类器，该分类器可以基于单波长准确地识别有机物种可见光谱区域的色散测量，远离吸收共振。这里提出的光学分类器可以应用于自主材料识别协议或应用程序。
translated by 谷歌翻译