PulseAugur
中
实时 08:16:15
实体 Fairness in multi-class multi-group classification problems via contextial coherent risk measures

Fairness in multi-class multi-group classification problems via contextial coherent risk measures

PulseAugur coverage of Fairness in multi-class multi-group classification problems via contextial coherent risk measures — every cluster mentioning Fairness in multi-class multi-group classification problems via contextial coherent risk measures across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_229379 ·

    新框架提升多类别人工智能分类的公平性

    研究人员开发了一种新颖的框架，用于在多类别分类问题中创建公平的分类器，特别解决了具有向量值敏感属性的场景。该方法利用相干风险度量理论来管理跨重叠群体和因素之间相互作用的公平性考量，同时保护个人权利。所提出的方法包括一种专门的数值技术，该技术可随数据规模高效扩展，并能抵御损坏或稀疏数据，展示了优于现有支持向量机和其他公平性处理方法的优势。