論文の概要: Better Hit the Nail on the Head than Beat around the Bush: Removing Protected Attributes with a Single Projection

• arxiv url: http://arxiv.org/abs/2212.04273v1
• Date: Thu, 8 Dec 2022 14:00:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 16:36:30.993911
• Title: Better Hit the Nail on the Head than Beat around the Bush: Removing Protected Attributes with a Single Projection
• Title（参考訳）: ブッシュの回りのビートより首の爪を叩く方がマシ。プロジェクションで保護された属性を取り除く
• Authors: Pantea Haghighatkhah, Antske Fokkens, Pia Sommerauer, Bettina Speckmann, Kevin Verbeek
• Abstract要約: 他の情報を保持しつつ、可能な限り多くのターゲット情報を削除することが重要である。 INLPは、反復的なヌルスペースプロジェクションを通じて特定の情報を除去する一般的な手法である。 したがって、1つのターゲット(MP)プロジェクションを適用することは、ランダムな効果をもたらす複数の(INLP)プロジェクションを適用するよりも、方法論的にクリーンである。
• 参考スコア（独自算出の注目度）: 9.240657801659783
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bias elimination and recent probing studies attempt to remove specific information from embedding spaces. Here it is important to remove as much of the target information as possible, while preserving any other information present. INLP is a popular recent method which removes specific information through iterative nullspace projections. Multiple iterations, however, increase the risk that information other than the target is negatively affected. We introduce two methods that find a single targeted projection: Mean Projection (MP, more efficient) and Tukey Median Projection (TMP, with theoretical guarantees). Our comparison between MP and INLP shows that (1) one MP projection removes linear separability based on the target and (2) MP has less impact on the overall space. Further analysis shows that applying random projections after MP leads to the same overall effects on the embedding space as the multiple projections of INLP. Applying one targeted (MP) projection hence is methodologically cleaner than applying multiple (INLP) projections that introduce random effects.
• Abstract（参考訳）: バイアス除去と最近のプローブ研究は埋め込み空間から特定の情報を取り除くことを試みる。 ここでは、他のいかなる情報も保存しながら、できるだけ多くのターゲット情報を削除することが重要である。 INLPは、反復的なヌルスペースプロジェクションを通じて特定の情報を除去する一般的な手法である。 しかし、複数のイテレーションは、ターゲット以外の情報が負の影響を受けるリスクを増大させる。 平均射影(MP,より効率的)とTukey Median射影(TMP,理論的保証付き)の2つの手法を提案する。 我々は,(1)1MPプロジェクションが目標値に基づいて線形分離性を除去し,(2)MPが全体空間に与える影響を小さくすることを示した。 さらに分析したところ、MPの後にランダムなプロジェクションを適用すると、INLPの多重プロジェクションと同じ埋め込み空間に全体的な効果が生じることが示された。 したがって、1つのターゲット(MP)プロジェクションを適用することは、ランダムな効果をもたらす複数の(INLP)プロジェクションを適用するよりも、方法論的にクリーンである。

関連論文リスト

• Random-projection ensemble dimension reduction [1.6114012813668932]
  本稿では,高次元回帰の文脈における次元削減のための新しい枠組みを提案する。 独立な乱射影の解離群を考察し、各射影の後に基本回帰法を適用し、経験的性能に基づいて各群における射影を保持する。 シミュレーションおよび実データを用いた大規模数値実験において,提案手法の優れた実証性能を示す。
  論文  参考訳（メタデータ） (2024-10-07T11:09:50Z)
• One Shot is Enough for Sequential Infrared Small Target Segmentation [9.354927663020586]
  赤外線小ターゲットシーケンスはフレーム間に強い類似性を示し、リッチなコンテキスト情報を含む。 本稿では,SAMのゼロショット一般化能力を逐次IRSTSに完全に適応させるワンショット・トレーニングフリーな手法を提案する。 実験の結果,現状のIRSTS法に匹敵する性能を達成するためには,本手法では1ショットしか必要としないことがわかった。
  論文  参考訳（メタデータ） (2024-08-09T02:36:56Z)
• Differentially private projection-depth-based medians [0.0]
  提案・テスト・リリース(PTR)と指数的メカニズムを用いて,$(epsilon,delta)$-differentially private projection-depth-based mediansを開発した。 PTRにおけるテストが失敗する確率と、有限サンプル偏差境界によるプライバシコストを定量化する。
  論文  参考訳（メタデータ） (2023-12-12T23:17:29Z)
• Projection Regret: Reducing Background Bias for Novelty Detection via Diffusion Models [72.07462371883501]
  本研究では,非意味情報のバイアスを緩和する効率的な新規性検出手法であるemphProjection Regret(PR)を提案する。 PRは、テスト画像とその拡散ベースの投影の間の知覚距離を計算し、異常を検出する。 拡張実験により、PRは生成モデルに基づく新規性検出手法の先行技術よりも有意なマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-05T09:44:47Z)
• Defending Pre-trained Language Models as Few-shot Learners against Backdoor Attacks [72.03945355787776]
  軽快でプラガブルで効果的な PLM 防御である MDP を,少人数の学習者として提唱する。 我々は,MDPが攻撃の有効性と回避性の両方を選択できる興味深いジレンマを発生させることを解析的に示す。
  論文  参考訳（メタデータ） (2023-09-23T04:41:55Z)
• Bridging the Projection Gap: Overcoming Projection Bias Through Parameterized Distance Learning [9.26015904497319]
  Generalized Zero-shot Learning (GZSL) は、見知らぬクラスと見えないクラスの両方からのサンプルを、学習用のクラスサンプルのみを使用して認識することを目的としている。 GZSL法は、投射関数が観測クラスから学習されるため、推論中に観測クラスに偏りが生じる傾向にある。 我々はこの予測バイアスに,ロバスト推論のためのパラメータ化されたマハラノビス距離測定値の学習を提案して対処する。
  論文  参考訳（メタデータ） (2023-09-04T06:41:29Z)
• A Large-scale Multiple-objective Method for Black-box Attack against Object Detection [70.00150794625053]
  我々は、真正の確率を最小化し、偽正の確率を最大化し、より多くの偽正の物体が新しい真正の有界箱を作らないようにする。 我々は、GARSDCと呼ばれるランダム・サブセット選択とディバイド・アンド・コンカーによる標準的な遺伝的アルゴリズムを拡張し、効率を大幅に改善する。 最先端攻撃法と比較して、GARSDCはmAPでは平均12.0、広範囲な実験ではクエリでは約1000倍減少する。
  論文  参考訳（メタデータ） (2022-09-16T08:36:42Z)
• Tensor Random Projection for Low Memory Dimension Reduction [22.715952036307648]
  ランダムプロジェクションは、構造情報を維持しながらベクトルの集合の次元を減少させる。 本稿では,ランダムプロジェクションにおける行積ランダム行列の新規利用を提案する。 既存の次元縮小写像よりも大幅に少ないメモリを必要とする。
  論文  参考訳（メタデータ） (2021-04-30T22:08:04Z)
• Patch-wise++ Perturbation for Adversarial Targeted Attacks [132.58673733817838]
  トランスファビリティの高い対比例の作成を目的としたパッチワイズ反復法(PIM)を提案する。 具体的には、各イテレーションのステップサイズに増幅係数を導入し、$epsilon$-constraintをオーバーフローする1ピクセルの全体的な勾配が、その周辺領域に適切に割り当てられる。 現在の攻撃方法と比較して、防御モデルでは35.9%、通常訓練されたモデルでは32.7%、成功率を大幅に向上させた。
  論文  参考訳（メタデータ） (2020-12-31T08:40:42Z)
• Null It Out: Guarding Protected Attributes by Iterative Nullspace Projection [51.041763676948705]
  Iterative Null-space Projection (INLP) は神経表現から情報を取り除く新しい方法である。 提案手法は,単語埋め込みにおけるバイアスを軽減するとともに,複数クラス分類の設定において公平性を高めることができることを示す。
  論文  参考訳（メタデータ） (2020-04-16T14:02:50Z)
• 6DoF Object Pose Estimation via Differentiable Proxy Voting Loss [113.72905482334767]
  我々は,投票手順における仮説選択を模倣した,微分可能な代行投票損失(DPVL)を開発する。 LINEMOD と Occlusion LINEMOD という,広く使用されているデータセットの実験により,DPVL がポーズ推定性能を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2020-02-10T16:33:33Z)

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。