Fugu-MT 論文翻訳(概要): Method of Equal Shares with Bounded Overspending

論文の概要: Method of Equal Shares with Bounded Overspending

arxiv url: http://arxiv.org/abs/2409.15005v1
Date: Mon, 23 Sep 2024 13:30:25 GMT
ステータス: 処理完了
システム内更新日: 2024-09-26 15:05:21.895210
Title: Method of Equal Shares with Bounded Overspending
Title（参考訳）: 境界オーバースプレッディングによる等分法
Authors: Georgios Papasotiropoulos, Seyedeh Zeinab Pishbin, Oskar Skibski, Piotr Skowron, Tomasz Wąs,
Abstract要約: 境界超過(BOS等分)による等分法の導入 BOS Equal Sharesは、厳密な比例保証に固有の非効率性に対処するが、元の等式共有方法と同様、優れた比例性を提供する。分析の過程では、プロジェクトの部分的な資金提供を可能にする方法の分数変種についても論じる。
参考スコア（独自算出の注目度）: 23.242224574706285
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In participatory budgeting (PB), voters decide through voting which subset of projects to fund within a given budget. Proportionality in the context of PB is crucial to ensure equal treatment of all groups of voters. However, pure proportional rules can sometimes lead to suboptimal outcomes. We introduce the Method of Equal Shares with Bounded Overspending (BOS Equal Shares), a robust variant of Equal Shares that balances proportionality and efficiency. BOS Equal Shares addresses inefficiencies inherent in strict proportionality guarantees yet still provides good proportionality similar to the original Method of Equal Shares. In the course of the analysis, we also discuss a fractional variant of the method which allows for partial funding of projects.
Abstract（参考訳）: PB(Participatory budgeting)では、有権者は特定の予算内でどのプロジェクトに投資するかを投票で決める。 PBの文脈における比例性は、全ての投票者の平等な扱いを保証するために不可欠である。しかし、純粋な比例規則は時に最適以下の結果をもたらすことがある。我々は、比例性と効率のバランスをとるEqual Sharesの堅牢な変種であるBOS Equal Shares with bounded Overspending(BOS Equal Shares)を導入する。 BOS Equal Sharesは、厳密な比例保証に固有の非効率性に対処するが、元の等式共有方法と同様、優れた比例性を提供する。分析の過程では、プロジェクトの部分的な資金提供を可能にする方法の分数変種についても論じる。

関連論文リスト

Fair Resource Allocation in Weakly Coupled Markov Decision Processes [3.824858358548714]
マルコフ決定過程の弱結合としてモデル化された逐次的意思決定環境における資源配分について考察する。我々は、従来の実用的(total-sum)目的ではなく、一般化されたジーニ関数を用いた公正性の定義を採用する。
論文参考訳（メタデータ） (2024-11-14T20:40:55Z)
Proportional Fairness in Clustering: A Social Choice Perspective [14.226371312639145]
我々はChenらによる比例クラスタリング問題(ICML'19)について検討し、計算社会選択におけるマルチウィンナー投票の分野と関連づける。比例フェアネスに対する近似は、個人フェアネスに対する近似であり、その逆でもあることを示す。
論文参考訳（メタデータ） (2023-10-27T14:12:56Z)
Measuring Equality in Machine Learning Security Defenses: A Case Study in Speech Recognition [56.69875958980474]
この研究は、学習したシステムを守るためのアプローチと、異なるサブ人口間でのセキュリティ防衛がパフォーマンス上の不平等をもたらす方法を検討する。提案された多くの手法は、虚偽の拒絶やロバストネストレーニングの不平等といった直接的な害を引き起こす可能性がある。本稿では, ランダム化スムースメントとニューラルリジェクションの2つの防御法の比較を行い, マイノリティ集団のサンプリング機構により, ランダム化スムースメントがより公平であることを見出した。
論文参考訳（メタデータ） (2023-02-17T16:19:26Z)
Proportional Fairness in Obnoxious Facility Location [70.64736616610202]
この問題に対して,距離に基づく比例フェアネスの概念の階層構造を提案する。決定論的かつランダムなメカニズムを考察し、比例フェアネスの価格に関する厳密な境界を計算する。モデルの拡張が2つあることを示す。
論文参考訳（メタデータ） (2023-01-11T07:30:35Z)
Repairing Regressors for Fair Binary Classification at Any Decision Threshold [8.322348511450366]
同時にすべてのしきい値で公正なパフォーマンスを向上できることを示します。本研究では,異なる保護群に対する分類の分布の類似度を捉える分布パリティの形式的尺度を導入する。我々の主な成果は、最適輸送に基づく新しい後処理アルゴリズムを提案し、分散パリティを確実に最大化することである。
論文参考訳（メタデータ） (2022-03-14T20:53:35Z)
Optimal Algorithms for Decentralized Stochastic Variational Inequalities [113.43047601775453]
この作業は、ますます重要になるが十分に理解されていない分散的な設定に集中する。通信と局所的な繰り返しの両方の下位境界を示し、これらの下位境界に一致する最適なアルゴリズムを構築する。我々のアルゴリズムは、分散化されたケースだけでなく、決定論的で非分散的な文献でも利用できる。
論文参考訳（メタデータ） (2022-02-06T13:14:02Z)
Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
論文参考訳（メタデータ） (2022-01-31T20:39:48Z)
A Unified Framework for Multi-distribution Density Ratio Estimation [101.67420298343512]
バイナリ密度比推定(DRE)は多くの最先端の機械学習アルゴリズムの基礎を提供する。ブレグマン最小化の発散の観点から一般的な枠組みを開発する。我々のフレームワークはバイナリDREでそれらのフレームワークを厳格に一般化する手法に導かれることを示す。
論文参考訳（メタデータ） (2021-12-07T01:23:20Z)
Contrastive Learning for Fair Representations [50.95604482330149]
訓練された分類モデルは、意図せずバイアスのある表現や予測につながる可能性がある。対戦訓練のような既存の分類モデルのデバイアス化手法は、訓練に高価であり、最適化が困難であることが多い。比較学習を取り入れたバイアス軽減手法を提案し、同じクラスラベルを共有するインスタンスに類似した表現を推奨する。
論文参考訳（メタデータ） (2021-09-22T10:47:51Z)
Distributional Individual Fairness in Clustering [7.303841123034983]
本稿では,距離空間に埋め込まれた個人を,有界なクラスタ中心上の確率分布に割り当てる枠組みを提案する。 p$-norm目的のクラスタリングアルゴリズムと、証明可能な近似保証付き個別フェアネス制約を提案する。
論文参考訳（メタデータ） (2020-06-22T20:02:09Z)
Fair Policy Targeting [0.6091702876917281]
社会福祉プログラムにおける個人に対する介入を標的とする主な関心事の1つは差別である。本稿では,公平かつ効率的な処理割り当てルールの設計に関する課題に対処する。
論文参考訳（メタデータ） (2020-05-25T20:45:25Z)

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。