arXiv cs.LG· Huizhen Huang, Yu Li, Tao Huang, Chen Hou·· 2026-10-03AI 评分26
差分隐私扩散模型通过感知裁剪目标条件化实现能源时间序列插补
Energy Time-Series Imputation with Differentially Private Diffusion Models via Clipping-Aware Objective Conditioning
AI 导读
研究提出一种基于感知裁剪目标条件化的差分隐私扩散模型，用于解决隐私敏感的能源时间序列插补问题。该方法采用 v-prediction 配合静态与动态损失加权，有效缓解后期低信噪比时间步的梯度放大并降低裁剪比例。在 5 个真实能源数据集的测试中，其插补效用在相同 DP-SGD 设置下均优于标准 ε-prediction 基线。
来源：arXiv cs.LG · arxiv.org