論文の概要: Erasure of Unaligned Attributes from Neural Representations

• arxiv url: http://arxiv.org/abs/2302.02997v1
• Date: Mon, 6 Feb 2023 18:32:17 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 15:24:15.145047
• Title: Erasure of Unaligned Attributes from Neural Representations
• Title（参考訳）: 神経表現からの不整合属性の消去
• Authors: Shun Shao, Yftah Ziser and Shay Cohen
• Abstract要約: 本稿では、削除すべき情報が暗黙的である場合に、ニューラル表現から情報を取り除くことを目的とした、アサインメント最大化スペクトル属性除去アルゴリズム(AMSAL)を提案する。 当社のアルゴリズムは、複数のガードされた属性を持つTwitterデータセットを含む、幅広いデータセットでテストしています。
• 参考スコア（独自算出の注目度）: 6.553031877558699
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the Assignment-Maximization Spectral Attribute removaL (AMSAL) algorithm, which aims at removing information from neural representations when the information to be erased is implicit rather than directly being aligned to each input example. Our algorithm works by alternating between two steps. In one, it finds an assignment of the input representations to the information to be erased, and in the other, it creates projections of both the input representations and the information to be erased into a joint latent space. We test our algorithm on an extensive array of datasets, including a Twitter dataset with multiple guarded attributes, the BiasBios dataset and the BiasBench benchmark. The latter benchmark includes four datasets with various types of protected attributes. Our results demonstrate that bias can often be removed in our setup. We also discuss the limitations of our approach when there is a strong entanglement between the main task and the information to be erased.
• Abstract（参考訳）: 本稿では、各入力例に直列する代わりに、削除すべき情報が暗黙的である場合に、ニューラル表現から情報を除去することを目的としたアサインメント最大化スペクトル属性除去アルゴリズム(AMSAL)を提案する。 我々のアルゴリズムは2つのステップを交互に行う。 1つは、消去すべき情報に対する入力表現の割り当てを見つけ、もう1つは、入力表現と消去すべき情報の両方の投影を合同潜在空間に生成する。 アルゴリズムは、複数のガード付き属性を持つtwitterデータセット、biasbiosデータセット、biasbenchベンチマークなど、幅広いデータセット上でテストします。 後者のベンチマークには、さまざまなタイプの保護属性を持つ4つのデータセットが含まれている。 私たちの結果は、設定時にバイアスを除去できることを示しています。 また、メインタスクと消去すべき情報の間に強い絡み合いがある場合の、我々のアプローチの制限についても論じる。

関連論文リスト

• A Dataset for the Validation of Truth Inference Algorithms Suitable for Online Deployment [76.04306818209753]
  実世界のクラウドソーシングプラットフォームから収集した,実質的なクラウドソーシングアノテーションデータセットを紹介する。 このデータセットは、約2万のワーカー、100万のタスク、600万のアノテーションで構成されている。 本データセットにおけるいくつかの代表的真理推論アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-03-10T16:00:41Z)
• Mitigating Representation Bias in Action Recognition: Algorithms and Benchmarks [76.35271072704384]
  ディープラーニングモデルは、稀なシーンやオブジェクトを持つビデオに適用すると、パフォーマンスが悪くなります。 この問題にはアルゴリズムとデータセットの2つの異なる角度から対処する。 偏りのある表現は、他のデータセットやタスクに転送するとより一般化できることを示す。
  論文  参考訳（メタデータ） (2022-09-20T00:30:35Z)
• Gold Doesn't Always Glitter: Spectral Removal of Linear and Nonlinear Guarded Attribute Information [30.495560973512358]
  本稿では,神経表現からプライベート情報やガード情報を除去する,シンプルで効果的な手法について述べる。 我々は,カーネルを用いた非線形情報除去に対してアルゴリズムを一般化する。 本実験は,保護された情報を取り除いた後,本アルゴリズムがより優れた主タスク性能を維持していることを示す。
  論文  参考訳（メタデータ） (2022-03-15T13:40:22Z)
• Data-Efficient and Interpretable Tabular Anomaly Detection [54.15249463477813]
  本稿では,ホワイトボックスモデルクラスである一般化付加モデルを適用し,異常を検出する新しいフレームワークを提案する。 さらに、提案フレームワークであるDIADは、ラベル付きデータの少量を組み込んで、半教師付き設定における異常検出性能をさらに向上させることができる。
  論文  参考訳（メタデータ） (2022-03-03T22:02:56Z)
• Auditing for Diversity using Representative Examples [17.016881905579044]
  本稿では,ラベルのないデータセットの相違を近似する費用対効果のアプローチを提案する。 提案アルゴリズムは,データセットの要素と制御セットの要素のペアワイズ類似性を利用して近似を効果的にブートストラップする。 本稿では,データセットのサイズよりもはるかに小さい制御セットを用いることで,近似誤差を小さく抑えることができることを示す。
  論文  参考訳（メタデータ） (2021-07-15T15:21:17Z)
• Self-Trained One-class Classification for Unsupervised Anomaly Detection [56.35424872736276]
  異常検出(AD)は、製造から医療まで、さまざまな分野に応用されている。 本研究は、トレーニングデータ全体がラベル付けされておらず、正規サンプルと異常サンプルの両方を含む可能性のある、教師なしAD問題に焦点を当てる。 この問題に対処するため,データリファインメントによる堅牢な一級分類フレームワークを構築した。 本手法は6.3AUCと12.5AUCの平均精度で最先端の1クラス分類法より優れていることを示す。
  論文  参考訳（メタデータ） (2021-06-11T01:36:08Z)
• Matched sample selection with GANs for mitigating attribute confounding [30.488267816304177]
  保護属性間の属性分布のバランスのとれたフルデータセットから画像のサブセットを選択するマッチングアプローチを提案する。 私たちのマッチングアプローチでは、セマンティック属性を保存する方法で、まず実際の画像を生成ネットワークの潜在空間に投影します。 次に、選択された保護属性にまたがるこの潜在空間で敵の一致を見つけ、セマンティクスと知覚属性が保護属性間でバランスをとるデータセットを生成する。
  論文  参考訳（メタデータ） (2021-03-24T19:18:44Z)
• Granular conditional entropy-based attribute reduction for partially labeled data with proxy labels [12.755874217721054]
  部分ラベル付きデータに対する粗い集合に基づく半教師付き属性削減法を提案する。 新たな条件エントロピー測度が提案され、理論上はその単調性が証明される。 UCIデータセットを用いた実験により,提案手法が有望であることを示す。
  論文  参考訳（メタデータ） (2021-01-23T12:50:09Z)
• Data Augmentation Imbalance For Imbalanced Attribute Classification [60.71438625139922]
  本稿では,データ拡張不均衡(DAI)と呼ばれる新しい再サンプリングアルゴリズムを提案する。 我々のDAIアルゴリズムは歩行者属性のデータセットに基づいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-04-19T20:43:29Z)
• 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)

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。