論文の概要: Algorithmic neutrality

• arxiv url: http://arxiv.org/abs/2303.05103v4
• Date: Tue, 22 Jul 2025 19:35:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.608127
• Title: Algorithmic neutrality
• Title（参考訳）: アルゴリズム中立性
• Authors: Milo Phillips-Brown,
• Abstract要約: アルゴリズム中立性:それは可能か? アルゴリズム中立性とは何か? アルゴリズム中立性:その規範的重要性は何か?
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Algorithms wield increasing power over our lives. They can and often do wield that power unfairly, and much has been said about algorithmic fairness. In contrast, algorithmic neutrality has been largely neglected. I investigate algorithmic neutrality, asking: What is it? Is it possible? And what is its normative significance?
• Abstract（参考訳）: アルゴリズムは私たちの生活に力を与えました。 彼らはその力を不公平に操ることができ、アルゴリズムの公平さについて多くが語られている。 対照的に、アルゴリズムの中立性は無視されている。 私はアルゴリズムの中立性を調査し、次のように尋ねる。 可能ですか? そして、その規範的な意義は何ですか?

関連論文リスト

• Fuck the Algorithm: Conceptual Issues in Algorithmic Bias [0.05657375260432172]
  アルゴリズムバイアスは近年の論争の対象となっている。 この主張を明確にするためには、「アルゴリズムそのもの」がどんなものなのかを知る必要がある。 データバイアスは、雇用、警察、医療といった領域で特定されている。
  論文  参考訳（メタデータ） (2025-05-16T19:17:00Z)
• Arbitrary state creation via controlled measurement [49.494595696663524]
  このアルゴリズムは任意の$n$-qubit純量子重ね合わせ状態を生成し、精度は$m$-decimalsである。 このアルゴリズムは、1キュービット回転、アダマール変換、マルチキュービット制御によるC-NOT演算を使用する。
  論文  参考訳（メタデータ） (2025-04-13T07:23:50Z)
• Why Algorithms Remain Unjust: Power Structures Surrounding Algorithmic Activity [0.0]
  改革派はアルゴリズムを取り巻く電力構造を無視しているため、アルゴリズムの不正を抑えることができなかった。 アルゴリズム活動が平等で非民主的で、持続不可能な理由は、それを形作る権力構造が、社会的エンパワーメントというよりも経済的なエンパワーメントの1つであるからである、と私は主張する。
  論文  参考訳（メタデータ） (2024-05-28T17:49:24Z)
• Generalized quantum Arimoto-Blahut algorithm and its application to quantum information bottleneck [55.22418739014892]
  量子アリーモト・ブラフトアルゴリズムをRamakrishnanらにより一般化する。 3つの量子系を持つ量子情報ボトルネックに対して,我々のアルゴリズムを適用した。 数値解析により,我々のアルゴリズムはアルゴリズムよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-19T00:06:11Z)
• Algorithms, Incentives, and Democracy [0.0]
  アルゴリズム設計者による最適分類が集団の行動分布にどのように影響するかを示す。 次に、報酬と罰、または利害関係をアルゴリズム分類に民主化する効果を見て、社会が捕食的分類をいかに生み出すか(または促進するか)を検討する。
  論文  参考訳（メタデータ） (2023-07-05T14:22:01Z)
• Quantum Advantage of Noisy Grover's Algorithm [3.803244458097104]
  グロバーの探索アルゴリズムは、古典的な探索アルゴリズムの可能性を証明した唯一の量子アルゴリズムである。 本稿では,Groverアルゴリズムの雑音閾値を指数関数的に改善する耐雑音性手法を提案する。
  論文  参考訳（メタデータ） (2023-06-19T11:17:32Z)
• Nearly Optimal Algorithms for Linear Contextual Bandits with Adversarial Corruptions [98.75618795470524]
  本稿では,敵対的腐敗の存在下での線形文脈的包帯問題について検討する。 我々は不確実性に直面した楽観主義の原理に基づく新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-05-13T17:58:58Z)
• How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
  我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。 9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。 我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
  論文  参考訳（メタデータ） (2021-10-26T22:14:47Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Algorithms are not neutral: Bias in collaborative filtering [0.0]
  アルゴリズムバイアスの議論は、データまたはアルゴリズムを構築している人々が偏っている例に焦点を当てる傾向がある。 これは、人気に悩まされ、バイアスを均質化することで知られる協調フィルタリングの例で示される。 人気と均質化バイアスは、すでに限界を更に限界化させる効果があります。
  論文  参考訳（メタデータ） (2021-05-03T17:28:43Z)
• Towards Meta-Algorithm Selection [78.13985819417974]
  インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。 メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:27:33Z)
• Corralling Stochastic Bandit Algorithms [54.10645564702416]
  相関アルゴリズムの後悔は、最も報酬の高い腕を含む最高のアルゴリズムの後悔よりも悪くはないことを示す。 最高報酬と他の報酬の差は、最高報酬と他の報酬の差に依存することを示す。
  論文  参考訳（メタデータ） (2020-06-16T15:33:12Z)
• Underestimation Bias and Underfitting in Machine Learning [2.639737913330821]
  機械学習におけるアルゴリズムバイアスと呼ばれるものは、トレーニングデータの歴史的なバイアスによるものである。 時には、アルゴリズム自体によってバイアスがもたらされる(あるいは少なくとも悪化する)ことがある。 本稿では,分類アルゴリズムのバイアスに寄与する要因を理解するための初期研究について報告する。
  論文  参考訳（メタデータ） (2020-05-18T20:01:56Z)
• Adversarial Online Learning with Changing Action Sets: Efficient Algorithms with Approximate Regret Bounds [48.312484940846]
  睡眠の専門家やバンドイットによるオンライン学習の問題を再考する。 各タイムステップにおいて、アルゴリズムが選択できるアクションのサブセットのみが利用可能である。 我々は、一般的な睡眠専門家/バンド問題に対して、アポキシマ-レグレット保証を提供するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-03-07T02:13:21Z)

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。