Fugu-MT 論文翻訳(概要): Data Repurposing through Compatibility: A Computational Perspective

論文の概要: Data Repurposing through Compatibility: A Computational Perspective

arxiv url: http://arxiv.org/abs/2309.00939v1
Date: Sat, 2 Sep 2023 13:32:24 GMT
ステータス: 処理完了
システム内更新日: 2023-09-07 00:16:48.880146
Title: Data Repurposing through Compatibility: A Computational Perspective
Title（参考訳）: 互換性によるデータ再利用:計算的視点
Authors: Asia J. Biega
Abstract要約: 新たなコンテキストにおけるデータの再利用は、技術革新とデータ主題に対する同意負担の軽減に寄与している。このような再利用を可能にする法的メカニズムの1つは、目的整合性評価である。
参考スコア（独自算出の注目度）: 7.808879325640136
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Reuse of data in new contexts beyond the purposes for which it was originally collected has contributed to technological innovation and reducing the consent burden on data subjects. One of the legal mechanisms that makes such reuse possible is purpose compatibility assessment. In this paper, I offer an in-depth analysis of this mechanism through a computational lens. I moreover consider what should qualify as repurposing apart from using data for a completely new task, and argue that typical purpose formulations are an impediment to meaningful repurposing. Overall, the paper positions compatibility assessment as a constructive practice beyond an ineffective standard.
Abstract（参考訳）: もともと収集された目的を超えた新しいコンテキストにおけるデータの再利用は、技術革新とデータ主題に対する同意負担の軽減に寄与している。このような再利用を可能にする法的メカニズムの1つは、目的互換性評価である。本稿では,この機構を計算レンズを用いて詳細に解析する。さらに、まったく新しいタスクのためのデータの使用とは別に、何を再提案すべきかを検討し、典型的な目的の定式化は意味のある再提案の障害であると主張する。全体として、本論文は互換性評価を非効率な基準を超えた建設的な実践と位置づけている。

関連論文リスト

Goldfish: An Efficient Federated Unlearning Framework [3.956103498302838]
Goldfishは機械学習アルゴリズムのための新しいフレームワークだ。基本モデル、損失関数、最適化、拡張の4つのモジュールで構成されている。既存の機械学習アルゴリズムの妥当性の低い課題に対処するため,新しい損失関数を提案する。
論文参考訳（メタデータ） (2024-04-04T03:29:41Z)
Longitudinal Counterfactuals: Constraints and Opportunities [59.11233767208572]
本稿では,反ファクトの妥当性を評価・改善するために,縦断データを用いた手法を提案する。本研究では, 縦差と反実差を比較する指標を開発し, 先行観測した変化と反実差の類似性を評価する。
論文参考訳（メタデータ） (2024-02-29T20:17:08Z)
Dataset Condensation Driven Machine Unlearning [0.0]
データ規制要件とプライバシ保護機械学習の現在のトレンドは、機械学習の重要性を強調している。我々は,機械学習のプライバシ,ユーティリティ,効率のバランスをとるために,新しいデータセット凝縮手法と革新的なアンラーニング手法を提案する。本稿では,機械のアンラーニングを計測するための新しい効果的なアプローチを提案し,その適用方法として,メンバシップ推論とモデル逆転攻撃の防御を提案する。
論文参考訳（メタデータ） (2024-01-31T21:48:25Z)
Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
論文参考訳（メタデータ） (2023-12-13T21:53:32Z)
Surprisal Driven $k$-NN for Robust and Interpretable Nonparametric Learning [1.4293924404819704]
我々は情報理論の観点から、隣り合う従来のアルゴリズムに新たな光を当てた。単一モデルを用いた分類,回帰,密度推定,異常検出などのタスクに対する頑健で解釈可能なフレームワークを提案する。我々の研究は、分類と異常検出における最先端の成果を達成することによって、アーキテクチャの汎用性を示す。
論文参考訳（メタデータ） (2023-11-17T00:35:38Z)
Rotating Features for Object Discovery [74.1465486264609]
本稿では,複雑な特徴を高次元に一般化した回転特徴と,分散表現からオブジェクトを抽出する新たな評価手法を提案する。これらの進歩により、分散オブジェクト中心の表現を単純な玩具から現実世界のデータに拡張することが可能になります。
論文参考訳（メタデータ） (2023-06-01T12:16:26Z)
Deconstructing Self-Supervised Monocular Reconstruction: The Design Decisions that Matter [63.5550818034739]
本稿では,自己教師付き単分子深度推定への最先端の貢献を評価するための枠組みを提案する。事前トレーニング、バックボーン、アーキテクチャ設計の選択、損失関数が含まれる。我々は16の最先端コントリビューションを再実装し、検証し、再評価し、新しいデータセットを導入します。
論文参考訳（メタデータ） (2022-08-02T14:38:53Z)
Memory networks for consumer protection:unfairness exposed [12.884439911728112]
データ駆動型AIメソッドは、法的文書の自動解析をサポートすることで、消費者保護を活用することができる。本稿では,文脈知識のモデリングにおいて,理論的に重要な役割を負うメモリ拡張ニューラルネットワークの構成について考察する。以上の結果から,有理性は分類精度の向上に寄与するだけでなく,意味のある自然言語による説明も可能であることが示唆された。
論文参考訳（メタデータ） (2020-07-24T14:25:54Z)
Novel Human-Object Interaction Detection via Adversarial Domain Generalization [103.55143362926388]
本研究では,新たな人-物間相互作用(HOI)検出の問題点を考察し,モデルの一般化能力を向上させることを目的とした。この課題は、主に対象と述語の大きな構成空間に起因し、全ての対象と述語の組み合わせに対する十分な訓練データが欠如している。本稿では,予測のためのオブジェクト指向不変の特徴を学習するために,対数領域の一般化の統一的な枠組みを提案する。
論文参考訳（メタデータ） (2020-05-22T22:02:56Z)
A Revised Generative Evaluation of Visual Dialogue [80.17353102854405]
本稿では,VisDialデータセットの改訂評価手法を提案する。モデルが生成した回答と関連する回答の集合のコンセンサスを測定する。 DenseVisDialとして改訂された評価スキームのこれらのセットとコードをリリースする。
論文参考訳（メタデータ） (2020-04-20T13:26:45Z)

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。