Краткое содержание

arXiv:2511.13893v1 Тип объявления: новый Аннотация: В области дифференциально-приватного синтеза табличных данных общепринято мнение о том, что статистические модели превосходят методы на основе нейронных сетей (НН). Однако мы утверждаем, что этот вывод неполон и упускает из виду проблему плотно коррелированных наборов данных, где сложные зависимости могут подавлять статистические модели. В таких сложных сценариях нейронные сети более предпочтительны благодаря своей способности подстраиваться под сложные распределения путем прямого обучения на выборках. Несмотря на этот потенциал, существующие алгоритмы на базе НН по-прежнему сталкиваются с серьезными ограничениями. Поэтому мы предлагаем MargNet — метод, который интегрирует успешные алгоритмические решения статистических моделей в нейронные сети. MargNet применяет адаптивную стратегию выбора маргинальных значений и обучает нейронную сеть генерировать данные, соответствующие выбранным маргиналам. На слабо коррелированных наборах данных наш подход обеспечивает полезность, близкую к наилучшему статистическому методу, при этом предлагая среднее...