Rasmus Pagh

Rasmus Pagh

Professor

ORCID: 0000-0002-1516-9306

Udgivelsesår:
Alle
1 - 7 ud af 7Pr. side: 10
Sortering: Udgivelsesdato
  1. 2022
  2. Udgivet

    DEANN: Speeding up Kernel-Density Estimation using Approximate Nearest Neighbor Search

    Karppa, M., Aumüller, M. & Pagh, Rasmus, 2022, Proceedings of the 25th International Conference on Artificial Intelligence and Statistics. PMLR, s. 3108-3137 (Proceedings of Machine Learning Research, Bind 151).

    Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt

  3. Udgivet

    HyperLogLogLog: Cardinality Estimation With One Log More

    Karppa, M. & Pagh, Rasmus, 2022, KDD 2022 - Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. Association for Computing Machinery, Inc., s. 753-761

    Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt

  4. Udgivet

    Improved Utility Analysis of Private CountSketch

    Pagh, Rasmus & Thorup, Mikkel, 2022, Advances in Neural Information Processing Systems 35 (NeurIPS 2022). NeurIPS Proceedings, 13 s. (Advances in Neural Information Processing Systems, Bind 35).

    Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt

  5. Udgivet

    Infinitely Divisible Noise in the Low Privacy Regime

    Pagh, Rasmus & Stausholm, N. M., 2022, Proceedings of The 33rd International Conference on Algorithmic Learning Theory. PMLR, s. 881-909 (Proceedings of Machine Learning Research, Bind 167).

    Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt

  6. Udgivet

    Representing Sparse Vectors with Differential Privacy, Low Error, Optimal Space, and Fast Access

    Aumüller, M., Lebeda, C. J. & Pagh, Rasmus, 2022, I: Journal of Privacy and Confidentiality. 12, 2, 35 s.

    Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt

  7. Udgivet

    Sampling a Near Neighbor in High Dimensions-Who is the Fairest of Them All?

    Aumüller, M., Har-Peled, S., Mahabadi, S., Pagh, Rasmus & Silvestri, F., 2022, I: ACM Transactions on Database Systems. 47, 1, s. 1-40 4.

    Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt

  8. Udgivet

    Sampling near neighbors in search for fairness

    Aumüller, M., Har-Peled, S., Mahabadi, S., Pagh, Rasmus & Silvestri, F., 2022, I: Communications of the ACM. 65, 8, s. 83-90

    Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt

ID: 252282120