論文の概要: Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness
- arxiv url: http://arxiv.org/abs/2408.03425v1
- Date: Tue, 6 Aug 2024 20:02:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-08 12:25:11.155655
- Title: Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness
- Title(参考訳): 確率グラフ上の逐次条件輸送による解釈可能な対実フェアネス
- Authors: Agathe Fernandes Machado, Arthur Charpentier, Ewen Gallic,
- Abstract要約: 我々は、個別の公正性について議論するために、シーケンシャルトランスポート(Sequence transport)と呼ばれる反事実的アプローチを用いる。
合成データと実データの両方を用いた数値実験により,その応用を実証する。
- 参考スコア(独自算出の注目度): 0.3749861135832073
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we link two existing approaches to derive counterfactuals: adaptations based on a causal graph, as suggested in Ple\v{c}ko and Meinshausen (2020) and optimal transport, as in De Lara et al. (2024). We extend "Knothe's rearrangement" Bonnotte (2013) and "triangular transport" Zech and Marzouk (2022a) to probabilistic graphical models, and use this counterfactual approach, referred to as sequential transport, to discuss individual fairness. After establishing the theoretical foundations of the proposed method, we demonstrate its application through numerical experiments on both synthetic and real datasets.
- Abstract(参考訳): 本稿では,Ple\v{c}ko と Meinshausen (2020) に示唆される因果グラフに基づく適応と,De Lara et al (2024) に示唆される最適輸送の2つの既存手法をリンクする。
我々は、確率的グラフィカルモデルに "Knothe's rearrangement" Bonnotte (2013) と "triangular transport" Zech and Marzouk (2022a) を拡張し、この反ファクト的アプローチをシーケンシャルトランスポート(Sequence transport)と呼び、個別の公正性について議論する。
提案手法の理論的基礎を確立した後、合成データセットと実データセットの両方で数値実験によりその応用を実証する。
関連論文リスト
- Optimal Transport on Categorical Data for Counterfactuals using Compositional Data and Dirichlet Transport [0.3749861135832073]
最適輸送に基づくアプローチは、例えばアルゴリズムの識別を定量化するために反事実を導出するために注目を集めている。
本稿では,実データセットを用いて分類変数を輸送する手法を提案する。
論文 参考訳(メタデータ) (2025-01-26T14:42:16Z) - Conditional Optimal Transport on Function Spaces [53.9025059364831]
ブロック三角形モンジュ写像を記述した制約付き最適輸送問題の理論を開発する。
これは、一般的なコスト関数を持つ分離可能な無限次元函数空間への最適三角輸送の理論を一般化する。
本稿では,機能パラメータの非道徳的および可能性のない推論に対する理論的結果の計算的適用性を示す数値実験を行う。
論文 参考訳(メタデータ) (2023-11-09T18:44:42Z) - GAN Estimation of Lipschitz Optimal Transport Maps [0.0]
本稿では,ニューラルネットワークに基づく2つの確率分布間の最適輸送マップの統計的に一貫した最初の推定手法を提案する。
正則性仮定の下で、得られた生成元は、サンプルサイズが無限大に増加するにつれて、最適輸送写像に一様収束することを示した。
統計的保証や実用性に対処する従来の作業とは対照的に、最適な輸送用途に道を開くための表現的かつ実現可能な推定器を提供する。
論文 参考訳(メタデータ) (2022-02-16T10:15:56Z) - Obtaining Dyadic Fairness by Optimal Transport [40.88844078769325]
本稿では,リンク予測タスクの公平性について考察する。
本稿では,データ修復と最適輸送により,ダイアドフェアネスを得るための前処理手法を提案する。
グラフリンク予測のために, 最適輸送に基づくダイアドフェアネスアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-02-09T15:33:59Z) - MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood
Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。
あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。
モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文 参考訳(メタデータ) (2021-06-03T12:59:16Z) - Congestion-aware Multi-agent Trajectory Prediction for Collision
Avoidance [110.63037190641414]
渋滞パターンを明示的に学習し、新しい「センス--学習--Reason--予測」フレームワークを考案する。
学習段階を2段階に分解することで、「学生」は「教師」から文脈的手がかりを学習し、衝突のない軌跡を生成する。
実験では,提案モデルが合成データセットにおいて衝突のない軌道予測を生成できることを実証する。
論文 参考訳(メタデータ) (2021-03-26T02:42:33Z) - Incremental Semi-Supervised Learning Through Optimal Transport [0.0]
本研究では, 半指導的学習のための2成分エッジ重み付きグラフを用いた新しいアプローチを提案する。
提案手法は,ラベル付きデータポイントと非ラベル付きデータポイントで定義された経験的測度間の規則化された最適輸送を用いて,最適輸送計画から親和性行列を得る。
論文 参考訳(メタデータ) (2021-03-22T15:31:53Z) - On the Existence of Optimal Transport Gradient for Learning Generative
Models [8.602553195689513]
Wasserstein Generative Adversarial Networks (WGAN) のトレーニングは、最適な輸送コストの勾配の計算に依存する。
まず、そのような勾配は定義されない可能性を示し、勾配に基づく最適化の際の数値的不安定性をもたらす。
実験データの離散性を利用して、半離散的な設定で勾配を定式化し、生成モデルパラメータの最適化のためのアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-02-10T16:28:20Z) - Probing the topological Anderson transition with quantum walks [48.7576911714538]
光線形ネットワークにおける1次元量子ウォークについて考察する。
ウォーカーの確率分布を直接監視するオプションは、この光学プラットフォームを1次元トポロジカルアンダーソン転移のユニークなシグネチャの実験的観察に最適である。
論文 参考訳(メタデータ) (2021-02-01T21:19:15Z) - Comparing Probability Distributions with Conditional Transport [63.11403041984197]
新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。
ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。
さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
論文 参考訳(メタデータ) (2020-12-28T05:14:22Z) - Generalization Properties of Optimal Transport GANs with Latent
Distribution Learning [52.25145141639159]
本研究では,潜伏分布とプッシュフォワードマップの複雑さの相互作用が性能に与える影響について検討する。
我々の分析に感銘を受けて、我々はGANパラダイム内での潜伏分布とプッシュフォワードマップの学習を提唱した。
論文 参考訳(メタデータ) (2020-07-29T07:31:33Z)
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。