正確なBiasフリー学習のための勾配ベース活性化【JST・京大機械翻訳】

Kurmi Vinod K; Sharma Rishabh; Sharma Yash Vardhan; Namboodiri Vinay P.

プレプリント

J-GLOBAL ID：202202205302768477 整理番号：22P0293555

正確なBiasフリー学習のための勾配ベース活性化【JST・京大機械翻訳】

Gradient Based Activations for Accurate Bias-Free Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

機械学習モデルにおけるBias緩和は必須であるが,まだ困難である。いくつかのアプローチが提案されているが,バイアスを緩和するための一つの見解は敵対的学習を通している。識別器を用いて,質問における性別,年齢または人種のようなバイアス属性を同定した。この識別器は,バイアス属性を区別できないことを保証するために,敵対的に使用された。そのようなモデルの主な欠点は,それがバイアスの識別に敏感になるという特徴が分類と相関できるという特徴として,精度のトレードオフを直接導入することである。本研究では,問題を解いた。このバイアス-精度トレードオフを改善するために,バイアス弁別器が実際に使用できることを示した。特に,これは識別子の勾配を用いた特徴マスキング手法を用いることにより達成される。バイアス識別に好ましかった特徴は,脱位相的であり,分類中に不偏な特徴が強化されることを確認した。著者らは,この単純なアプローチが,バイアスを減らし,また,精度を著しく改善することを示した。標準ベンチマークで提案モデルを評価した。不偏性を維持し,また,いくつかの他の最近の方法を凌駕する間,敵対的方法の精度を改善する。【JST・京大機械翻訳】

, , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, ,

前のページに戻る