Fugu-MT 論文翻訳(概要): An Introduction to Algorithmic Fairness

論文の概要: An Introduction to Algorithmic Fairness

arxiv url: http://arxiv.org/abs/2105.05595v1
Date: Wed, 12 May 2021 11:26:34 GMT
ステータス: 処理完了
システム内更新日: 2023-03-31 08:51:52.198387
Title: An Introduction to Algorithmic Fairness
Title（参考訳）: アルゴリズム的公平性入門
Authors: Hilde J.P. Weerts
Abstract要約: フェアネスに関連する害の種類を列挙し、アルゴリズム的フェアネスの2つの主要な概念を説明し、これらが機械学習開発プロセスに害を与えるバイアスをマップする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In recent years, there has been an increasing awareness of both the public and scientific community that algorithmic systems can reproduce, amplify, or even introduce unfairness in our societies. These lecture notes provide an introduction to some of the core concepts in algorithmic fairness research. We list different types of fairness-related harms, explain two main notions of algorithmic fairness, and map the biases that underlie these harms upon the machine learning development process.
Abstract（参考訳）: 近年,アルゴリズムシステムが社会に不公平を再現・増幅・導入できるという認識が高まっている。これらの講義ノートはアルゴリズムフェアネス研究における中核的な概念の紹介である。フェアネスに関連する害の種類を列挙し、アルゴリズム的フェアネスの2つの主要な概念を説明し、これらの害を補うバイアスを機械学習開発プロセスにマップする。

関連論文リスト

A Benchmark for Fairness-Aware Graph Learning [58.515305543487386]
本稿では,10の代表的な公正性を考慮したグラフ学習手法に関する広範なベンチマークを示す。我々の詳細な分析は、既存の手法の強みと限界に関する重要な洞察を明らかにしている。
論文参考訳（メタデータ） (2024-07-16T18:43:43Z)
Algorithmic Fairness: A Tolerance Perspective [31.882207568746168]
この調査はアルゴリズムの公正性に関する既存の文献を掘り下げ、特にその多面的な社会的影響を強調している。我々は「寛容」に基づく新しい分類法を導入し、公正な結果の変動が許容される度合いとして定義する。我々の体系的なレビューは多様な産業をカバーし、アルゴリズムによる意思決定と社会的株式のバランスに関する重要な洞察を明らかにしている。
論文参考訳（メタデータ） (2024-04-26T08:16:54Z)
Algorithmic Fairness with Feedback [0.0]
まず、ノイズデータに基づく決定において、公平性アルゴリズムの統計的概念が、公平性の概念とは無関係であることを示す。次に、公正性、うらやましい自由、偏見の自由性の2つの個別の福祉的概念について議論し、エラーレートバランスと予測パリティに相当する条件を確立する。
論文参考訳（メタデータ） (2023-12-05T21:42:14Z)
Fair Enough: Standardizing Evaluation and Model Selection for Fairness Research in NLP [64.45845091719002]
現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
論文参考訳（メタデータ） (2023-02-11T14:54:00Z)
Fairness in Matching under Uncertainty [78.39459690570531]
アルゴリズム的な二面市場は、こうした設定における公平性の問題に注意を向けている。我々は、利益の不確実性を尊重する両面の市場設定において、個々人の公正性の概念を公理化する。そこで我々は,配当よりも公平なユーティリティ最大化分布を求めるために,線形プログラミングフレームワークを設計する。
論文参考訳（メタデータ） (2023-02-08T00:30:32Z)
Developing a Philosophical Framework for Fair Machine Learning: Lessons From The Case of Algorithmic Collusion [0.0]
機械学習アルゴリズムが新しい文脈に適用されるにつれて、結果の害と不正は質的に異なる。フェアネスのメトリクスと定義を開発する機械学習における既存の研究パラダイムは、これらの質的に異なる種類の不正を考慮できない。本稿では,公正度指標の開発と適用を目指す機械学習の研究者や実践者を対象とした倫理的枠組みを提案する。
論文参考訳（メタデータ） (2022-07-05T16:21:56Z)
Fair Machine Learning in Healthcare: A Review [90.22219142430146]
我々は、機械学習と医療格差における公正性の交差を分析する。機械学習の観点から、関連する公正度メトリクスを批判的にレビューする。本稿では,医療における倫理的かつ公平なMLアプリケーション開発を約束する新たな研究指針を提案する。
論文参考訳（メタデータ） (2022-06-29T04:32:10Z)
Fairness Deconstructed: A Sociotechnical View of 'Fair' Algorithms in Criminal Justice [0.0]
機械学習の研究者たちはフェアネスの手法を開発しており、その多くは保護された属性をまたいだ経験的メトリクスの等化に依存している。公正なMLの多くは、基礎となる犯罪データに対する公平性の問題を考慮していない、と私は主張する。電力不均衡を緩和するAIを構築する代わりに、構造的辺縁化の根本原因を理解するためにデータサイエンスを使用できるかどうかを尋ねる。
論文参考訳（メタデータ） (2021-06-25T06:52:49Z)
The zoo of Fairness metrics in Machine Learning [62.997667081978825]
近年,機械学習(ML)と自動意思決定における公平性の問題が注目されている。 MLにおける公平性の定義の多様さが提案され、人口の個人に影響を与える状況において「公正な決定」とは何かという異なる概念が検討されている。本研究では、この定義の動物園からある程度の順序付けを試みる。
論文参考訳（メタデータ） (2021-06-01T13:19:30Z)
BeFair: Addressing Fairness in the Banking Sector [54.08949958349055]
銀行セクターにおける産業的オープンイノベーションプロジェクトの最初の成果を提示する。本稿では,MLの公平性に関する一般的なロードマップと,バイアスの特定と緩和を支援するBeFairと呼ばれるツールキットの実装を提案する。
論文参考訳（メタデータ） (2021-02-03T16:37:10Z)
Algorithmic Fairness [11.650381752104298]
正確であるだけでなく、客観的かつ公正なAIアルゴリズムを開発することが不可欠である。近年の研究では、アルゴリズムによる意思決定は本質的に不公平である可能性が示されている。
論文参考訳（メタデータ） (2020-01-21T19:01:38Z)

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。