Fugu-MT 論文翻訳(概要): Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness

論文の概要: Sequential Conditional Transport on Probabilistic Graphs for Interpretable Counterfactual Fairness

arxiv url: http://arxiv.org/abs/2408.03425v2
Date: Fri, 20 Dec 2024 09:18:40 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-23 16:19:59.381619
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,確率的グラフィカルモデルに "Knothe's rearrangement" と "triangular transport" を拡張した。我々は、個別レベルでの公平性を議論するために、シーケンシャルトランスポート(Sequence transport)と呼ばれるこのカウンターファクトカルアプローチを使用する。
参考スコア（独自算出の注目度）: 0.3749861135832073
License:
Abstract: In this paper, we link two existing approaches to derive counterfactuals: adaptations based on a causal graph, and optimal transport. We extend "Knothe's rearrangement" and "triangular transport" to probabilistic graphical models, and use this counterfactual approach, referred to as sequential transport, to discuss fairness at the individual level. 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,因果グラフに基づく適応と最適輸送の2つの既存手法を関連付ける。我々は,確率的グラフィカルモデルに "Knothe's rearrangement" と "triangular transport" を拡張し,この反ファクト的アプローチ(シーケンシャルトランスポート)を用いて,個々のレベルでの公平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

von Mises Quasi-Processes for Bayesian Circular Regression [57.88921637944379]
円値ランダム関数上の表現的および解釈可能な分布の族を探索する。結果の確率モデルは、統計物理学における連続スピンモデルと関係を持つ。後続推論のために、高速マルコフ連鎖モンテカルロサンプリングに寄与するストラトノビッチのような拡張を導入する。
論文参考訳（メタデータ） (2024-06-19T01:57:21Z)
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)
How to Estimate Model Transferability of Pre-Trained Speech Models? [84.11085139766108]
事前学習音声モデルの伝達可能性推定のためのスコアベースアセスメントフレームワークベイズ確率推定と最適輸送という2つの表現理論を利用して、PSM候補のランクスコアを生成する。本フレームワークは,候補モデルやレイヤを実際に微調整することなく,転送可能性スコアを効率的に計算する。
論文参考訳（メタデータ） (2023-06-01T04:52:26Z)
Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
論文参考訳（メタデータ） (2022-03-11T09:46:22Z)
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)
Branching Time Active Inference with Bayesian Filtering [3.5450828190071655]
分岐時間アクティブ推論(Champion et al., 2021b,a)はベイズ模型の拡張の形式として計画を考えるためのフレームワークである。本稿ではベイズフィルタと呼ばれる別の推論手法の効率性を利用する。
論文参考訳（メタデータ） (2021-12-14T14:01:07Z)
Quantized Conditional COT-GAN for Video Prediction [3.8073142980733]
因果的最適輸送(COT)は、古典的最適輸送問題に時間的因果性制約を課すことによって生じる。シーケンス予測に適した条件付きCOT-GANを開発した。得られた量子化された条件付きCOT-GANアルゴリズムは、ビデオ予測に応用される。
論文参考訳（メタデータ） (2021-06-10T11:10:53Z)
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)
Hawkes Processes on Graphons [85.6759041284472]
我々は、グランガー因果グラフに関連するホークス過程とその変種について研究する。対応するホークスプロセスを生成し、イベントシーケンスをシミュレートすることができる。生成した事象列と観測された事象列との間の階層的最適輸送距離を最小化することにより,提案モデルを学習する。
論文参考訳（メタデータ） (2021-02-04T17:09:50Z)
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)

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。