Rasmus Pagh
Professor
Algorithms and Complexity
Universitetsparken 1
2100 København Ø
- 2024
- Udgivet
Shannon meets Gray: Noise-robust, Low-sensitivity Codes with Applications in Differential Privacy
Lolck, David Rasmussen & Pagh, Rasmus, 2024, Proceedings of the 2024 Annual ACM-SIAM Symposium on Discrete Algorithms (SODA). SIAM, s. 1050-1066Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
- 2023
- Udgivet
- Udgivet
Simple Set Sketching
Bæk Tejs Houen, J., Pagh, Rasmus & Walzer, S., 2023, Proceedings, 2023 Symposium on Simplicity in Algorithms (SOSA). Kavitha, T. & Mehlhorn, K. (red.). Society for Industrial and Applied Mathematics, s. 228-241Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
- 2022
- 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
- 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. 753-761Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
- 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
- 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
- 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
- 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
- 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. 83-90Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
ID: 252282120
Flest downloads
-
24
downloads
Efficient differentially private F0 linear sketching
Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
Udgivet -
11
downloads
Fair near neighbor search via sampling
Publikation: Bidrag til tidsskrift › Tidsskriftartikel › Forskning › fagfællebedømt
Udgivet -
11
downloads
DEANN: Speeding up Kernel-Density Estimation using Approximate Nearest Neighbor Search
Publikation: Bidrag til bog/antologi/rapport › Konferencebidrag i proceedings › Forskning › fagfællebedømt
Udgivet