BriefGPT.xyz
Ask
alpha
关键词
fair classification
搜索结果 - 27
公正的对抗梯度提升树
本研究提出了一种新的对抗性梯度树提升方法用于公平分类，并在多个数据集上进行实证评估，通过使用一组不同的公平定义来衡量公平性，证明了该方法在精度相同的情况下取得了更高的公平性。
PDF
5 years ago
Wasserstein 公平分类
我们提出了一种公平分类的方法，通过最小化 Wasserstein-1 距离来强制执行分类器输出和敏感信息之间的独立性。我们引入了不同的方法，在测试时隐藏敏感信息，或具有简单快速的实现，并展示了在多个基准公平性数据集上与不同公平性基线的实证表
→
PDF
5 years ago
通过对抗性框架学习公平表示
本文介绍了一个最小二乘对抗框架，其中一个发生器生成学习个体的潜在表示，一个评论家保证了不同保护组的分布相似，从而在保留足够信息的同时解决了受保护属性引起的潜在偏差问题，为公平分类提供了理论保证。经验结果表明，这种方法可以有效地用于分类任务，
→
PDF
5 years ago
算法决策的主动公平性
本研究提出了一种基于主动框架的公平分类方法，通过根据不同群体或个体的需求自适应获取信息来平衡分类性能差异，证明了该方法可以显著优于基于随机化的分类器。
PDF
6 years ago
公平感知生成对抗网络
本文提出了一种名为 FairGAN 的公平性生成对抗网络，旨在生成既不带偏见又具有较好数据实用性的数据。与基本的公平数据生成模型相比，FairGAN 还确保了对生成数据进行分类的分类器可以在真实数据上实现公平分类。
PDF
6 years ago
限制计算意识的公平性
在 Dwork 等人的框架中，我们研究了公平分类问题，提出了一种新的公平概念 (metric multifairness)。该概念是基于相似度度量和样本的比较集合，并且可以用有限次查询任意度量的方式来实现。
PDF
6 years ago
NIPS
通过对抗特征学习实现可控的不变性
本文提出了一种通过对抗学习策略学习能够抵抗特定数据因素影响的新型表示学习方法，并通过多个基准测试表明所提出的方法可以获取到不变表示，从而提高模型的泛化能力。
PDF
7 years ago
Prev
Next