論文の概要: Fairness in Streaming Submodular Maximization over a Matroid Constraint

• arxiv url: http://arxiv.org/abs/2305.15118v1
• Date: Wed, 24 May 2023 13:10:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 15:47:55.172779
• Title: Fairness in Streaming Submodular Maximization over a Matroid Constraint
• Title（参考訳）: マトロイド制約によるストリーミングサブモジュラー最大化の公平性
• Authors: Marwa El Halabi, Federico Fusco, Ashkan Norouzi-Fard, Jakab Tardos, Jakub Tarnawski
• Abstract要約: この問題の自然な一般化をマトロイド制約に当てはめる。 ストリーミングアルゴリズムと、効率、品質、公正性のトレードオフを提供する非可視性結果を提供しています。
• 参考スコア（独自算出の注目度）: 16.649133452352018
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Streaming submodular maximization is a natural model for the task of selecting a representative subset from a large-scale dataset. If datapoints have sensitive attributes such as gender or race, it becomes important to enforce fairness to avoid bias and discrimination. This has spurred significant interest in developing fair machine learning algorithms. Recently, such algorithms have been developed for monotone submodular maximization under a cardinality constraint. In this paper, we study the natural generalization of this problem to a matroid constraint. We give streaming algorithms as well as impossibility results that provide trade-offs between efficiency, quality and fairness. We validate our findings empirically on a range of well-known real-world applications: exemplar-based clustering, movie recommendation, and maximum coverage in social networks.
• Abstract（参考訳）: ストリーミングサブモジュールの最大化は、大規模データセットから代表サブセットを選択するタスクの自然なモデルである。 データポイントが性別や人種のような繊細な属性を持つ場合、偏見や差別を避けるために公平さを強制することが重要になる。 これにより、公正な機械学習アルゴリズムの開発に大きな関心が寄せられた。 近年,濃度制約下での単調部分モジュラー最大化のためのアルゴリズムが開発されている。 本稿では,この問題をマトロイド制約に自然に一般化する手法について検討する。 ストリーミングアルゴリズムと、効率、品質、公正性のトレードオフを提供する非可視性結果を提供する。 本研究は,代表的なクラスタリング,映画レコメンデーション,ソーシャルネットワークにおける最大カバレッジなど,よく知られた実世界の応用を実証的に検証する。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Fairness in Submodular Maximization over a Matroid Constraint [14.402156575758559]
  マトロイド制約上の部分モジュラーは、機械学習における様々な応用における基本的な問題である。 本稿では,品質,公平性,汎用性に異なるトレードオフをもたらす,様々なアルゴリズムと不合理性の結果を提案する。
  論文  参考訳（メタデータ） (2023-12-21T21:12:39Z)
• Amortizing intractable inference in large language models [56.92471123778389]
  難治性後部分布のサンプルとして, 償却ベイズ推定を用いる。 我々は,LLMファインチューニングの分散マッチングパラダイムが,最大習熟の代替となることを実証的に実証した。 重要な応用として、チェーン・オブ・ソート推論を潜在変数モデリング問題として解釈する。
  論文  参考訳（メタデータ） (2023-10-06T16:36:08Z)
• Boosting Fair Classifier Generalization through Adaptive Priority Reweighing [59.801444556074394]
  より優れた一般化性を持つ性能向上フェアアルゴリズムが必要である。 本稿では,トレーニングデータとテストデータ間の分散シフトがモデル一般化性に与える影響を解消する適応的リライジング手法を提案する。
  論文  参考訳（メタデータ） (2023-09-15T13:04:55Z)
• Online and Streaming Algorithms for Constrained $k$-Submodular Maximization [25.15934533974176]
  制約付き$k$-submodularは、広告アロケーション、インフルエンス、パーソナライズされたレコメンデーションなど、多くの個別の最適化問題をキャプチャする一般的なフレームワークである。 本研究では,モノトーンと一般(おそらく非モノトーン)の両方の目的に制約された$k$サブモジュールのシングルパスストリーミングとオンラインアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2023-05-25T12:53:17Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• Fast Feature Selection with Fairness Constraints [49.142308856826396]
  モデル構築における最適特徴の選択に関する基礎的問題について検討する。 この問題は、greedyアルゴリズムの変種を使用しても、大規模なデータセットで計算的に困難である。 適応クエリモデルは,最近提案された非モジュラー関数に対する直交整合探索のより高速なパラダイムに拡張する。 提案アルゴリズムは、適応型クエリモデルにおいて指数関数的に高速な並列実行を実現する。
  論文  参考訳（メタデータ） (2022-02-28T12:26:47Z)
• Fairness in Streaming Submodular Maximization: Algorithms and Hardness [20.003009252240222]
  本研究では,モノトーン関数と非モノトーン関数の両方に対して,不均一条件下でのサブモジュラーに対する最初のストリーミング近似を開発した。 DPPに基づく映画レコメンデーション,クラスタリングによる要約,ソーシャルネットワークにおける最大カバレッジについて検討した。
  論文  参考訳（メタデータ） (2020-10-14T22:57:07Z)
• Learning Centric Power Allocation for Edge Intelligence [84.16832516799289]
  分散データを収集し、エッジで機械学習を実行するエッジインテリジェンスが提案されている。 本稿では,経験的分類誤差モデルに基づいて無線リソースを割り当てるLCPA法を提案する。 実験の結果,提案したLCPAアルゴリズムは,他のパワーアロケーションアルゴリズムよりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-21T07:02:07Z)
• Regularized Online Allocation Problems: Fairness and Beyond [7.433931244705934]
  本稿では, 総資源消費に作用する非線形正規化器を含む変種である, 語彙化オンライン割当問題を紹介する。 この問題では、要求は時間とともに繰り返し届き、各要求に対して、意思決定者は報酬を生成しリソースを消費するアクションを取る必要があります。 目的は、資源制約を受ける加算可分な報酬と非分離可正則化器の値とを同時に最大化することである。
  論文  参考訳（メタデータ） (2020-07-01T14:24:58Z)
• Robust Submodular Minimization with Applications to Cooperative Modeling [0.0]
  本稿では,制約を考慮したロバストな部分モジュラー最小化問題について検討する。 制約付き部分モジュラー最小化は、画像セグメンテーションにおける協調的カット、画像対応における協調的マッチングなど、いくつかの応用で発生する。
  論文  参考訳（メタデータ） (2020-01-25T20:40:37Z)

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。