論文の概要: SCALES: From Fairness Principles to Constrained Decision-Making

• arxiv url: http://arxiv.org/abs/2209.10860v1
• Date: Thu, 22 Sep 2022 08:44:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 12:56:57.670252
• Title: SCALES: From Fairness Principles to Constrained Decision-Making
• Title（参考訳）: SCALES: 公正原則から制約付き意思決定へ
• Authors: Sreejith Balakrishnan, Jianxin Bi, Harold Soh
• Abstract要約: 有効成分、非因果成分、因果成分として符号化可能であることを示す。 我々は,一段階的かつ連続的な意思決定シナリオにおいて,代替公正原則を具現化した公正な政策を提示する。
• 参考スコア（独自算出の注目度）: 16.906822244101445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes SCALES, a general framework that translates well-established fairness principles into a common representation based on the Constraint Markov Decision Process (CMDP). With the help of causal language, our framework can place constraints on both the procedure of decision making (procedural fairness) as well as the outcomes resulting from decisions (outcome fairness). Specifically, we show that well-known fairness principles can be encoded either as a utility component, a non-causal component, or a causal component in a SCALES-CMDP. We illustrate SCALES using a set of case studies involving a simulated healthcare scenario and the real-world COMPAS dataset. Experiments demonstrate that our framework produces fair policies that embody alternative fairness principles in single-step and sequential decision-making scenarios.
• Abstract（参考訳）: 本稿では、確立された公正性原理をCMDP(Constraint Markov Decision Process)に基づく共通表現に変換する一般的なフレームワークであるSCALESを提案する。 因果言語の助けを借りて、我々のフレームワークは意思決定の手順(手続き的公平性)と意思決定の結果(対外公平性)の両方に制約を課すことができます。 具体的には,高名なフェアネス原理を,ユーティリティコンポーネント,非causalコンポーネント,あるいはscales-cmdpの因果コンポーネントとして符号化可能であることを示す。 シミュレーションされた医療シナリオと実世界のCompASデータセットを含むケーススタディを用いてSCALESを説明する。 実験は,単一ステップと逐次的な意思決定シナリオにおいて,代替的公平性原則を具現化する公正なポリシを生成することを実証する。

関連論文リスト

• Fair Resource Allocation in Weakly Coupled Markov Decision Processes [3.824858358548714]
  マルコフ決定過程の弱結合としてモデル化された逐次的意思決定環境における資源配分について考察する。 我々は、従来の実用的(total-sum)目的ではなく、一般化されたジーニ関数を用いた公正性の定義を採用する。
  論文  参考訳（メタデータ） (2024-11-14T20:40:55Z)
• Auditing Fairness under Unobserved Confounding [56.61738581796362]
  リスクファクターがすべて観察されているという仮定を完全に取り除いたり緩和したりしても、ハイリスクな個人に治療率に有意義な限界を与えることができることを示す。 既存の意思決定システムの不公平な結果を原則的に評価することができる。
  論文  参考訳（メタデータ） (2024-03-18T21:09:06Z)
• Towards Responsible AI in Banking: Addressing Bias for Fair Decision-Making [69.44075077934914]
  責任AI(Responsible AI)は、企業文化の発展におけるバイアスに対処する重要な性質を強調している。 この論文は、バイアスを理解すること、バイアスを緩和すること、バイアスを説明することの3つの基本的な柱に基づいて構成されている。 オープンソースの原則に従って、アクセス可能なPythonパッケージとして、Bias On DemandとFairViewをリリースしました。
  論文  参考訳（メタデータ） (2024-01-13T14:07:09Z)
• Domain Generalization via Rationale Invariance [70.32415695574555]
  本稿では,未確認環境においてもロバストな結果の維持を伴う領域一般化の課題を緩和する新たな視点を提供する。 本稿では,最終結果に対する要素的貢献を決定の根拠として扱い,各試料の根拠を行列として表現することを提案する。 提案手法は, 単純性に拘わらず, 様々なデータセット間で競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-08-22T03:31:40Z)
• ACROCPoLis: A Descriptive Framework for Making Sense of Fairness [6.4686347616068005]
  本研究では,アロケーションプロセスを表現するためのACROCPoLisフレームワークを提案する。 このフレームワークは、異なる状況や手順に対する公平性評価に関連する要因を明示する共有語彙を提供する。
  論文  参考訳（メタデータ） (2023-04-19T21:14:57Z)
• Fair Off-Policy Learning from Observational Data [30.77874108094485]
  我々は、公正な政治学学習のための新しい枠組みを提案する。 まず、政治以外の学習における公平性の概念を定式化する。 次に、異なる公正概念の下で最適なポリシーを学習するためのニューラルネットワークベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-15T10:47:48Z)
• Group Fairness in Prediction-Based Decision Making: From Moral Assessment to Implementation [0.0]
  与えられた文脈における公平さの意味の道徳的評価のための枠組みを導入する。 評価結果を、確立された統計的グループフェアネス基準にマッピングする。 我々は、FECの原則を拡張して、すべての種類のグループフェアネス基準をカバーします。
  論文  参考訳（メタデータ） (2022-10-19T10:44:21Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• Attributing Fair Decisions with Attention Interventions [28.968122909973975]
  我々は、属性フレームワークとして活用できる注意ベースのモデルを設計する。 注意介入と注意重み操作によって、モデルの性能と公平性の両方に責任を負う特徴を特定することができる。 次に、後処理のバイアス軽減戦略を設計し、ベースラインのスイートと比較します。
  論文  参考訳（メタデータ） (2021-09-08T22:28:44Z)
• Beyond Individual and Group Fairness [90.4666341812857]
  本稿では,不公平な不公平な苦情に導かれる公平さの新しいデータ駆動モデルを提案する。 我々のモデルは、複数のフェアネス基準をサポートし、それらの潜在的な不整合を考慮に入れている。
  論文  参考訳（メタデータ） (2020-08-21T14:14:44Z)

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。