Fugu-MT 論文翻訳(概要): Generalized Disparate Impact for Configurable Fairness Solutions in ML

論文の概要: Generalized Disparate Impact for Configurable Fairness Solutions in ML

arxiv url: http://arxiv.org/abs/2305.18504v1
Date: Mon, 29 May 2023 14:57:38 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 20:07:09.655289
Title: Generalized Disparate Impact for Configurable Fairness Solutions in ML
Title（参考訳）: MLにおける構成可能な公正解に対する一般化された異種影響
Authors: Luca Giuliani, Eleonora Misino, Michele Lombardi
Abstract要約: Herschfeld-Gebelein-Renyi(HGR)指標は有用であるが,いくつかの限界がある。 1)意味論の観点でHGRを補完する、2)完全に解釈可能で透明である、3)有限サンプルに対して堅牢である、(4)特定の応用に適合する堅牢である。
参考スコア（独自算出の注目度）: 8.615011650553518
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We make two contributions in the field of AI fairness over continuous protected attributes. First, we show that the Hirschfeld-Gebelein-Renyi (HGR) indicator (the only one currently available for such a case) is valuable but subject to a few crucial limitations regarding semantics, interpretability, and robustness. Second, we introduce a family of indicators that are: 1) complementary to HGR in terms of semantics; 2) fully interpretable and transparent; 3) robust over finite samples; 4) configurable to suit specific applications. Our approach also allows us to define fine-grained constraints to permit certain types of dependence and forbid others selectively. By expanding the available options for continuous protected attributes, our approach represents a significant contribution to the area of fair artificial intelligence.
Abstract（参考訳）: 我々は、継続的な保護属性よりもAIフェアネスの分野で2つの貢献をしている。まず,hirschfeld-gebelein-renyi(hgr)指標が有用であるが,意味論,解釈可能性,ロバスト性に関していくつかの重要な制限が課されていることを示す。次に、以下の指標の族を紹介します。 1) 意味論におけるHGRの補完 2) 完全に解釈可能かつ透明である。 3) 有限標本に対する堅牢性 4) 特定のアプリケーションに適合するように設定可能。このアプローチはまた、特定の種類の依存を許容し、他の制約を選択的に禁止するためのきめ細かい制約を定義することを可能にする。継続的保護属性のオプションを拡大することにより、我々のアプローチは公正な人工知能の領域に重要な貢献を成す。

関連論文リスト

Dual-stream Feature Augmentation for Domain Generalization [16.495752769624872]
2つの視点からいくつかのハードな特徴を構築することでDFA(Dual-stream Feature Augmentation)法を提案する。提案手法は,領域一般化のための最先端性能を実現することができる。
論文参考訳（メタデータ） (2024-09-07T03:41:05Z)
GraCo: Granularity-Controllable Interactive Segmentation [52.9695642626127]
Granularity-Controllable Interactive (GraCo) は、入力に追加パラメータを導入することによって、予測粒度の正確な制御を可能にする新しいアプローチである。 GraCoは、事前訓練されたISモデルのセマンティック特性を利用して、豊富なマスクとグラニュラリティのペアを自動的に生成する。オブジェクトと部分レベルの複雑なシナリオの実験は、GraCoが以前の方法よりも大きな利点があることを示しています。
論文参考訳（メタデータ） (2024-05-01T15:50:16Z)
Enforcing Conditional Independence for Fair Representation Learning and Causal Image Generation [13.841888171417017]
条件付き独立性(CI)制約は、機械学習における公平性の定義と評価に不可欠である。エンコーダアーキテクチャに適用可能な,新たなトレーニングパラダイムを導入する。
論文参考訳（メタデータ） (2024-04-21T23:34:45Z)
Tackling Ambiguity from Perspective of Uncertainty Inference and Affinity Diversification for Weakly Supervised Semantic Segmentation [12.308473939796945]
画像レベルのラベルを持つ弱教師付きセマンティックセマンティックセグメンテーション(WSSS)は、退屈なアノテーションを使わずに高密度なタスクを実現することを目的としている。 WSSSの性能、特にクラス活性化マップ(CAM)の生成と擬似マスクの精製の段階では、あいまいさに悩まされている。統一された単一ステージWSSSフレームワークであるUniAを提案し、不確実性推論と親和性多様化の観点からこの問題に対処する。
論文参考訳（メタデータ） (2024-04-12T01:54:59Z)
Path Choice Matters for Clear Attribution in Path Methods [84.29092710376217]
重要でない特徴に対する高い属性を割り当てるtextbfConcentration Principleを導入する。次に、モデルに依存しないインタプリタである textbfSAMP を提示し、ほぼ最適経路を効率的に探索する。また、厳密性と最適性を改善するために、無限小制約(IC)と運動量戦略(MS)を提案する。
論文参考訳（メタデータ） (2024-01-19T01:11:44Z)
Practical Approaches for Fair Learning with Multitype and Multivariate Sensitive Attributes [70.6326967720747]
現実世界に展開された機械学習アルゴリズムが不公平さや意図しない社会的結果をもたらすことはないことを保証することが重要である。本稿では,カーネルHilbert Spacesの相互共分散演算子上に構築されたフェアネス尺度であるFairCOCCOを紹介する。実世界のデータセットにおける予測能力と公正性のバランスをとる上で、最先端技術に対する一貫した改善を実証的に示す。
論文参考訳（メタデータ） (2022-11-11T11:28:46Z)
Identifiable Latent Causal Content for Domain Adaptation under Latent Covariate Shift [82.14087963690561]
マルチソースドメイン適応(MSDA)は、ラベル付き対象ドメインのラベル予測関数を学習する際の課題に対処する。本稿では,潜在コンテンツ変数と潜時スタイル変数とともに,ドメイン間の潜時雑音を導入し,複雑な因果生成モデルを提案する。提案手法は、シミュレーションと実世界の両方のデータセットに対して、例外的な性能と有効性を示す。
論文参考訳（メタデータ） (2022-08-30T11:25:15Z)
Privacy-preserving Federated Adversarial Domain Adaption over Feature Groups for Interpretability [12.107058397549771]
PrADAはプライバシー保護の敵ドメイン適応アプローチである。ドメインの専門知識を活用して、機能領域を、それぞれが関連する機能を持つ複数のグループに分割します。各特徴群から意味論的に意味のある高次特徴を学習する。
論文参考訳（メタデータ） (2021-11-22T01:13:43Z)
Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文参考訳（メタデータ） (2021-04-01T03:21:57Z)
README: REpresentation learning by fairness-Aware Disentangling MEthod [23.93330434580667]
フェア表現学習のためのFD-VAE(Fairness-Aware Disentangling Variational AutoEncoder)を設計する。このネットワークは、遅延空間を3つの部分空間に切り離し、デコレーション損失を発生させ、各部分空間が独立した情報を含むように促す。表現学習後、保護属性情報を含む部分空間を除外することにより、この不整合表現をより公平な下流分類に活用する。
論文参考訳（メタデータ） (2020-07-07T20:16:49Z)
Inducing Optimal Attribute Representations for Conditional GANs [61.24506213440997]
条件付きGANは、あるカテゴリから別のカテゴリへの画像の変換に広く使用されている。既存の条件付きGANは、ターゲットドメインラベル情報を0と1の形式でハードコードされたカテゴリベクトルとして符号化する。本稿では,グラフ畳み込みネットワークを用いた新しいエンドツーエンド学習フレームワークを提案する。
論文参考訳（メタデータ） (2020-03-13T20:24:07Z)

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。