論文の概要: Mitigating Bias in Algorithmic Systems -- A Fish-Eye View

• arxiv url: http://arxiv.org/abs/2103.16953v2
• Date: Sun, 20 Feb 2022 19:59:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-06 01:07:18.092518
• Title: Mitigating Bias in Algorithmic Systems -- A Fish-Eye View
• Title（参考訳）: アルゴリズムシステムにおけるバイアスの緩和 - 魚眼ビュー-
• Authors: Kalia Orphanou, Jahna Otterbacher, Styliani Kleanthous, Khuyagbaatar Batsuren, Fausto Giunchiglia, Veronika Bogina, Avital Shulner Tal, AlanHartman and Tsvi Kuflik
• Abstract要約: この調査は4つの研究分野にわたるアプローチを考察した「魚眼の視点」を提供する。 文献では、バイアス検出、公平性管理、説明可能性管理という、包括的な治療に向けた3つのステップについて説明している。
• 参考スコア（独自算出の注目度）: 8.19357693559909
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mitigating bias in algorithmic systems is a critical issue drawing attention across communities within the information and computer sciences. Given the complexity of the problem and the involvement of multiple stakeholders -- including developers, end-users, and third parties -- there is a need to understand the landscape of the sources of bias, and the solutions being proposed to address them, from a broad, cross-domain perspective. This survey provides a "fish-eye view," examining approaches across four areas of research. The literature describes three steps toward a comprehensive treatment -- bias detection, fairness management and explainability management -- and underscores the need to work from within the system as well as from the perspective of stakeholders in the broader context.
• Abstract（参考訳）: アルゴリズムシステムにおけるバイアスの緩和は、情報とコンピュータ科学のコミュニティに注目を向ける重要な問題である。 問題の複雑さと、開発者、エンドユーザ、サードパーティを含む複数の利害関係者の関与を考えると、バイアスの源泉の状況や、幅広いドメイン横断の観点からそれらに対処するために提案されたソリューションを理解する必要がある。 この調査は4つの分野にわたるアプローチを調べる"魚眼ビュー"を提供する。 バイアス検出、公平性管理、説明可能性管理という包括的治療に向けた3つのステップを記述し、より広い文脈におけるステークホルダーの観点から、システム内から作業の必要性を強調する。

関連論文リスト

• A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
  姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました 近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。 本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2024-09-24T03:06:25Z)
• Fairness and Bias Mitigation in Computer Vision: A Survey [61.01658257223365]
  コンピュータビジョンシステムは、高精細な現実世界のアプリケーションにますますデプロイされている。 歴史的または人為的なデータにおいて差別的な傾向を伝播または増幅しないことを確実にする必要がある。 本稿では,コンピュータビジョンの文脈における現在進行中の傾向と成功をまとめた,公平性に関する総合的な調査を行う。
  論文  参考訳（メタデータ） (2024-08-05T13:44:22Z)
• A Survey of Graph-based Deep Learning for Anomaly Detection in Distributed Systems [2.3551989288556774]
  分散システムにおける異常を識別するグラフベースのアルゴリズムの可能性を探る。 私たちの目標の1つは、現実の課題に対処する能力を概念的に分析するグラフベースのアプローチについて、詳細な調査を行うことです。 本研究は,その分野における現状研究論文の概要と,その特性を比較比較・比較するものである。
  論文  参考訳（メタデータ） (2022-06-08T20:19:28Z)
• Fairness in Recommender Systems: Research Landscape and Future Directions [119.67643184567623]
  本稿は,近年の地域におけるフェアネスの概念と概念について概観する。 この分野での研究が現在どのように行われているのかを概観する。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Justice in Misinformation Detection Systems: An Analysis of Algorithms, Stakeholders, and Potential Harms [2.5372245630249632]
  誤情報検出パイプラインにおける3つのアルゴリズム段階の利害関係者に対して、不正がいかに有効であるかを示す。 この枠組みは、研究者、政策立案者、そして実践者がアルゴリズムの誤情報検出に関連する潜在的な害やリスクを判断するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-04-28T15:31:13Z)
• Person Re-identification: A Retrospective on Domain Specific Open Challenges and Future Trends [2.4907242954727926]
  人物再識別(Re-ID)は、自動化された視覚監視システムの主要な構成要素の1つである。 オーバーラップしない視野を持つマルチカメラネットワーク内の人物を自動的に識別・検索することを目的としている。
  論文  参考訳（メタデータ） (2022-02-26T11:55:57Z)
• Anatomizing Bias in Facial Analysis [86.79402670904338]
  既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。 これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。 これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
  論文  参考訳（メタデータ） (2021-12-13T09:51:13Z)
• Recent Advances in Monocular 2D and 3D Human Pose Estimation: A Deep Learning Perspective [69.44384540002358]
  この問題に対処するための包括的で包括的な2D-to-3D視点を提供する。 2014年からの主流とマイルストーンのアプローチを統一フレームワークで分類しています。 また,ポーズ表現スタイル,ベンチマーク,評価指標,一般的なアプローチの定量的評価を要約した。
  論文  参考訳（メタデータ） (2021-04-23T11:07:07Z)
• Weakly Supervised Object Localization and Detection: A Survey [145.5041117184952]
  オブジェクトのローカライゼーションと検出は、新しい世代のコンピュータビジョンシステムを開発する上で重要な役割を果たす。 本稿では,(1)古典的モデル,(2)既成の深層ネットワークの特徴表現を用いたアプローチ,(3)ディープラーニングのみに基づくアプローチ,(4)この分野で広く利用されている公開データセットと標準評価指標についてレビューする。 この分野における重要な課題、この分野の開発履歴、各カテゴリーの手法の利点/欠点、異なるカテゴリーの方法間の関係、弱い監督対象のローカリゼーションおよび検出方法の適用、およびこの研究分野の開発をさらに促進するための潜在的な将来の方向性について議論します。
  論文  参考訳（メタデータ） (2021-04-16T06:44:50Z)
• Towards Algorithmic Transparency: A Diversity Perspective [8.138520743045731]
  アルゴリズムバイアスの研究は近年爆発的であり、バイアスの問題と潜在的な解決策の両方を浮き彫りにしている。 透明性は、公平性管理とアルゴリズムの説明容易性を促進するために重要です。 私たちは多様性とバイアスの関係を振り返り、多様性が透明性の必要性を駆動すると主張します。
  論文  参考訳（メタデータ） (2021-04-12T17:28:12Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。