文献

J-GLOBAL ID：202002242029061301   整理番号：20A2274096

直交非もつれ表現の学習による公平性【JST・京大機械翻訳】

Fairness by Learning Orthogonal Disentangled Representations

著者 (7件)： Sarhan Mhd Hasan (Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany) ,  Sarhan Mhd Hasan (Carl Zeiss Meditec AG, Munich, Germany) ,  Navab Nassir (Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany) ,  Navab Nassir (Computer Aided Medical Procedures, Johns Hopkins University, Baltimore, USA) ,  Eslami Abouzar (Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany) ,  Albarqouni Shadi (Computer Aided Medical Procedures, Technical University of Munich, Munich, Germany) ,  Albarqouni Shadi (Computer Vision Lab, ETH Zurich, Zurich, Switzerland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12374  ページ： 746-761  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 学習弁別的強力な表現は,機械学習システムのための重要なステップである。特定のタスクでよく実行しながら,任意の迷惑または敏感な属性に対する不変性の導入は,表現学習における重要な問題である。これは,学習された表現から敏感な情報をパージすることによって,ほとんどアプローチされる。本論文では,不変表現問題に対する新しい分散アプローチを提案した。独立性のためのプロキシとして直交性制約を強制することによって,有意義で敏感な表現を解きほぐ。エントロピー最大化による高感度情報に対する意味ある表現を明示的に強調した。提案手法を5つの公的に利用可能なデータセット上で評価し,公平性と不変性を学習するための最新の方法の状態と比較し,3つのデータセットに関する最新の性能の状態と残りに関する同等の性能を達成した。さらに,各成分の影響を評価するためのアブレーション研究を行った。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  不変性 ,  高感度 ,  *直交性 ,  アブレーション ,  機械学習 ,  公平性
準シソーラス用語： プロキシ ,  エントロピー最大化 ,  表現学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 表現学習 ,  もつれた表現 ,  機械学習における公平性

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 表現 ,  学習 ,  公平性