biased datasets | BriefGPT - AI 论文速递

关键词biased datasets

搜索结果 - 10

CVPR超越捷径：通过神经坍缩的视角进行无偏学习
本文探讨了神经塌缩（Neural Collapse）现象在不平衡属性的偏倚数据集中的影响，提出了一种避免捷径学习的框架，通过设计神经塌缩结构的快捷方式引导模型，以捕捉内在的相关性，从而解决了偏倚分类的根本原因，实验证明该方法在训练过程中具有
PDF2 months ago
探索数据集偏差对数据集提炼的影响
利用数据集正规化技术 (Dataset Distillation, DD) 生成小规模的合成数据集，探究数据集偏倚对 DD 性能的影响并提出应对方法，实验证明原始数据集中的偏倚显著影响合成数据集的性能，突出了在 DD 过程中识别和减轻偏倚的
PDF3 months ago
数据集偏差的十年战斗：我们已经到达目标了吗？
我们重新审视了 Torralba 和 Efros 在十年前建议的 “数据集分类” 实验，这个实验在如今大规模、多样化且希望具有更高的数据集的新时代以及更强大的神经网络架构中进行。令人惊讶的是，我们观察到现代神经网络在分类图像来自哪个数据集的
PDF4 months ago
BiasBuster：利用有偏倾向的位置数据精确估计人口统计信息的神经方法
利用 BiasBuster，利用位置特征与人口统计数据之间的相关性提供准确的人口统计数据估计，从而解决使用偏倚数据集进行准确人口统计的问题。在实际数据的广泛实验中，BiasBuster 的准确性平均提高了 2 倍，并对被低估的人群提高了 3
PDF5 months ago
减轻面部表情识别中的算法偏差
通过使用一个去偏变分自编码器，在偏倚数据集上进行实验以缓解偏见，本研究探讨了一种消除偏见的方法，以在面部表情识别中平等对待每个人。
PDF6 months ago
FITNESS: 机器学习软件中减少偏见的因果去相关方法
本文介绍了一种新的通过去相关化敏感特征和标签之间的因果效应来缓解模型偏见的方法 FITNESS，使用多目标优化平衡性能和公平性，并在 8 个基准测试中与 7 种现有的方法进行比较。结果表明，FITNESS 在提高模型公平性的同时，保持了模型
PDFa year ago
ICLR无偏监督对比学习
本文提出了一种基于边界的理论框架，并推导出了一种新的有监督对比损失（epsilon-SupInfoNCE）和一种有效的去偏差正则化损失（FairKL），这些方法可以用于从偏差数据中学习无偏模型，并在多个偏差数据集上实现了最先进的性能。
PDF2 years ago
学习分割以实现自动偏差检测
本文介绍了一种自动偏差检测算法，名为 Learning to Split，可用于超视带学习问题中的训练集和测试集分离和偏差发现，此算法能够自动检测到偏差，并结合强大的机器学习算法，实现自动去偏差。
PDF2 years ago
基于 BERT 模型的社交媒体仇恨言论检测及种族偏见缓解
通过使用预训练语言模型 BERT 进行迁移学习，本文提出了一种在推特上进行种族主义、性别主义、仇恨性或冒犯性内容检测的算法，并将对算法进行合理地裁剪降低出现倾向性的缺陷。
PDF4 years ago
ACL自然语言句子匹配数据集的选择偏差探索和去偏方法
本文对自然语言句子匹配（NLSM）中可能出现的选择偏见进行了调查，并提出了一种训练和评估框架以减轻偏见带来的负面影响，实验结果表明该框架可以提高训练模型的泛化能力，并给出更加可信的评估结果。
PDF5 years ago