肾脏交换中基于异质偏好的对齐
该论文提供一种评估肾脏交换中个体权重的全流程方法,首先确定了一份患者分类指南,然后对参与者进行对比调查,并从中有条不紊地估计权重并将其用于市场清算算法中用于优先级排序的目的。
May, 2020
为了应对肾脏分配面临的紧迫挑战,本研究旨在开发一个数据驱动的解决方案,并融入利益相关者的价值观。通过使用 “两两对比肾脏患者在线调查” 数据,经过个人、团体和稳定性三个层面的评估,我们运用机器学习分类器来学习个人和团体层面对肾脏分配的偏好。通过将利益相关者的偏好融入肾脏分配过程,我们致力于推进器官移植的伦理维度,促进道德价值观融入算法决策,以实现更加透明和公平的实践。
Jan, 2024
通过设计公平反馈调查问卷评估一种肾脏接受率预测器(ARP),以及提出基于最小化社会反馈遗憾的新型逻辑回归公平反馈模型的社会公平偏好学习算法,本研究估计并详细讨论了众筹调查中公众对肾脏配对中的群体公平概念的偏好。
Apr, 2024
肾脏交换计划通过动态算法选择器官交换,学习算法提高整体效果,尤其强调公平性与等待时间的减少。而决定交换计划效果的关键因素是对非指定捐赠者的负权重分配。
Sep, 2023
本文解决了现代肾脏交换中公平代价的理论问题,并提出了一种平衡严格词典型偏好顺序和效率最大化的综合公平规则。该规则具有一个参数,可以通过制定政策进行调整。实验结果表明,与其他公平规则相比,该规则更能产生可靠的结果。
Feb, 2017
参与式算法设计越来越普遍,通过收集并汇总利益相关者的个人偏好,可以创建算法系统,考虑到这些利益相关者的价值观。使用算法学生分配作为案例研究,我们认为,在限制资源的分配中优化个人偏好满足可能会抑制社会和分配的公正进展。个人偏好可以是有用的信号,但应该扩展以支持更具表现力和包容性的民主参与形式。
Jul, 2020
研究检验了一个新的在线选择策略的实用性,该方法使用 AI 和优化来有效地了解利益相关者的偏好,与其他方法相比,该方法对于推荐具有更高效用性的政策表现出更好的性能,特别是在 COVID-19 流行期间的疫情管理中。
Jun, 2023
该研究提出一种基于机器学习和计算社会选择的自动化道德决策方法,该方法通过学习社会偏好的模型,在运行时有效地聚合这些偏好以识别出一种合适的选择。该论文还提出了一种新的理论 - 交换支配有效投票规则,并在道德机器网站上收集的偏好数据的基础上实现和评估了一个在自主车辆领域进行道德决策的系统。
Sep, 2017
通过与参与者互动并利用参与者的动机值来估计其价值偏好,解决参与者选择和动机之间的不一致性,并通过直接与参与者互动的消歧策略改善个体价值偏好的估计。
Feb, 2024