論文の概要: Exploring Welfare Maximization and Fairness in Participatory Budgeting

• arxiv url: http://arxiv.org/abs/2410.20143v1
• Date: Sat, 26 Oct 2024 10:51:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:21:02.441273
• Title: Exploring Welfare Maximization and Fairness in Participatory Budgeting
• Title（参考訳）: 参加予算作成における福祉最大化と公正性の探索
• Authors: Gogulapati Sreedurga,
• Abstract要約: PB(Participatory budgeting)は、予算と呼ばれる様々なリソースを、これらのプロジェクトに対する個人の嗜好を集約して配布する投票パラダイムである。 この博士論文は、様々なPBモデルに対する福祉関連および公正関連目的について研究している。
• 参考スコア（独自算出の注目度）: 1.6317061277457001
• License:
• Abstract: Participatory budgeting (PB) is a voting paradigm for distributing a divisible resource, usually called a budget, among a set of projects by aggregating the preferences of individuals over these projects. It is implemented quite extensively for purposes such as government allocating funds to public projects and funding agencies selecting research proposals to support. This PhD dissertation studies the welfare-related and fairness-related objectives for different PB models. Our contribution lies in proposing and exploring novel PB rules that maximize welfare and promote fairness, as well as, in introducing and investigating a range of novel utility notions, axiomatic properties, and fairness notions, effectively filling the gaps in the existing literature for each PB model. The thesis is divided into two main parts, the first focusing on dichotomous and the second focusing on ordinal preferences. Each part considers two cases: (i) the cost of each project is restricted to a single value and partial funding is not permitted and (ii) the cost of each project is flexible and may assume multiple values.
• Abstract（参考訳）: PB(Participatory budgeting)は、予算と呼ばれる様々なリソースを、これらのプロジェクトに対する個人の嗜好を集約して配布する投票パラダイムである。 公共プロジェクトへの資金配分や、支援する研究提案を選択する資金提供機関など、非常に広範囲に実施されている。 この博士論文は、様々なPBモデルに対する福祉関連および公正関連目的について研究している。 我々の貢献は、福祉を最大化し公正を促進する新しいPBルールを提案し、探求することであり、また、様々な新しいユーティリティの概念、公理的性質、公正の概念を導入し、調査することであり、各PBモデルに対する既存の文献のギャップを効果的に埋めることである。 論文は2つの主要な部分に分かれており、第1部はディコトプスに焦点を当て、第2部は順序的嗜好に焦点を当てている。 各部は2つのケースを考慮に入れている。 一 各事業の費用を単一の価値に制限し、部分的な資金提供を許さないこと。 (ii) 各プロジェクトのコストは柔軟であり、複数の価値を前提とします。

関連論文リスト

• Submodular Participatory Budgeting [11.528995186765751]
  本稿では,各個人の効用関数がプロジェクトよりも単調かつ部分モジュラー関数であることを前提として,部分モジュラー参加型予算問題を提案する。 本研究では,3つの選好選好方法について検討する。例えば,選好選好選好選好選好の選好選好選好,選好選好選好選好,選好選好選好選好,選好選好選好選好選好選好選好選好選好選好選好選好選好選好,選好選好選好選好選好,選好選好選好選好選好選好選好,選好選好選考,選好選好選好選考,選好選好選好の選好の選好,選好の選好,選好の選好の選考,選好選好選好
  論文  参考訳（メタデータ） (2024-06-19T14:22:54Z)
• Fair Allocation in Dynamic Mechanism Design [57.66441610380448]
  競売業者が各ラウンドの買い手グループに、合計で$T$で分けない商品を販売している問題を考える。 競売人は、各グループの最低平均配分を保証する公正な制約に固執しつつ、割引された全体の収益を最大化することを目的としている。
  論文  参考訳（メタデータ） (2024-05-31T19:26:05Z)
• One-Shot Open Affordance Learning with Foundation Models [54.15857111929812]
  私たちは、モデルがベースオブジェクトカテゴリ毎に1つの例でトレーニングされる、ワンショットのオープンアフォーダンスラーニング(OOAL)を紹介します。 本稿では,視覚的特徴と手頃なテキスト埋め込みとの整合性を高める,シンプルで効果的な設計の視覚言語フレームワークを提案する。 2つのアベイランスセグメンテーションのベンチマーク実験により、提案手法はトレーニングデータの1%未満で最先端のモデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-29T16:23:06Z)
• Multi-Target Multiplicity: Flexibility and Fairness in Target Specification under Resource Constraints [76.84999501420938]
  対象の選択が個人の結果にどのように影響するかを評価するための概念的および計算的枠組みを導入する。 目的変数選択から生じる多重度は, 1つのターゲットのほぼ最適モデルから生じるものよりも大きいことが示される。
  論文  参考訳（メタデータ） (2023-06-23T18:57:14Z)
• Participatory Budgeting With Multiple Degrees of Projects And Ranged Approval Votes [0.0]
  PB(Indivisible Participatory budgeting)フレームワークでは、プロジェクト群に分散する限られた予算があります。 各投票者は、プロジェクトに必要なコストを上下に制限することで、各プロジェクトに対するさまざまなコストを承認する。 PBルールの結果はプロジェクトのサブセットを選択し、それに対応するコストを指定する。
  論文  参考訳（メタデータ） (2023-05-18T13:39:56Z)
• Fair Enough: Standardizing Evaluation and Model Selection for Fairness Research in NLP [64.45845091719002]
  現代のNLPシステムは様々なバイアスを示しており、モデル偏見に関する文献が増えている。 本稿では,その現状を解明し,公正学習における意味ある進歩の道筋を立案することを目的とする。
  論文  参考訳（メタデータ） (2023-02-11T14:54:00Z)
• Maxmin Participatory Budgeting [1.1602089225841632]
  PB(Participatory Budgeting, Participatory Budgeting)は、プロジェクトに対する有権者の選好に基づいて、限られた予算を一連のプロジェクトに分けられる人気投票方法である。 PBの重要な目的である平等主義は、未分化PBの文脈ではあまり注目されていない。 本稿は、自然平等主義的ルール、最大参加予算(MPB)の詳細な研究を通して、このギャップに対処する。
  論文  参考訳（メタデータ） (2022-04-29T07:45:44Z)
• Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
  データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。 研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。 公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。 残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
  論文  参考訳（メタデータ） (2022-02-03T17:25:46Z)
• Participatory Budgeting with Donations and Diversity Constraints [31.521771465733057]
  PB(Participatory budgeting)は、市民が公共資金を分割可能なプロジェクトに分配する方法を共同で決める民主的なプロセスである。 本稿は、市民が資金提供を希望するプロジェクトに追加資金を提供するPBプロセスに焦点を当てる。 この種のPBの正式な枠組みを寄付で紹介します。 当社のフレームワークは多様性の制約も許容しています。つまり、各プロジェクトは1つ以上のタイプに属しており、資金提供可能な同じタイプのプロジェクトの数に対して、下位と上位のバウンダリがあります。
  論文  参考訳（メタデータ） (2021-04-30T15:48:25Z)
• Participatory Budgeting with Project Groups [27.39571821668551]
  参加予算(PB)の標準承認に基づくモデルの一般化について検討する。 この問題は一般に難解であり,いくつかの特殊な場合に対して効率的な厳密アルゴリズムを記述する。 私たちの結果は、例えば、自治体は、テーマ的に、地理的に包括的であるより豊かなPBプロセスを保持することができます。
  論文  参考訳（メタデータ） (2020-12-09T18:23:04Z)
• Cost-Sensitive Portfolio Selection via Deep Reinforcement Learning [100.73223416589596]
  深層強化学習を用いたコスト依存型ポートフォリオ選択手法を提案する。 具体的には、価格系列パターンと資産相関の両方を抽出するために、新しい2ストリームポートフォリオポリシーネットワークを考案した。 蓄積したリターンを最大化し、強化学習によるコストの両立を抑えるため、新たなコスト感受性報酬関数が開発された。
  論文  参考訳（メタデータ） (2020-03-06T06:28:17Z)

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。