Neuste Artikel für Gerechtigkeit

Föderiertes Lernen bietet ne Möglichkeit, Daten zu nutzen und dabei die Privatsphäre der Nutzer zu wahren.

Studie zeigt, wie Spieler schnell den Spassfaktor neuer Spiele einschätzen.

Die Untersuchung der AI-Entscheidungen und ihrer unerwarteten Herausforderungen.

Maschinenlernmodelle bewerten, um Fairness in verschiedenen Bevölkerungsgruppen sicherzustellen.

Ein Rahmen für die ethische KI-Entwicklung in Gesundheitssystemen.

Untersuchen, wie sich Rasse auf Gesundheitsmodelle und deren Fairness auswirkt.

Selektives Debiasing zielt darauf ab, die Fairness bei maschinellen Lernvorhersagen zu verbessern.

Die CrossWalk-Methode verbessert die Fairness von Knoten-Embeddings, während sie sensible Informationen berücksichtigt.

Erforschen, wie KI Lernen, Bewertungen und Fairness verbessern kann.

Neue Modelle verbessern die Inhaltsmoderation für KI-Interaktionen, sorgen für Sicherheit und reduzieren Schaden.

Methoden erkunden, um gemeinsam genutzte Ressourcen fair unter den Community-Mitgliedern zu verteilen.

Erforschen, wie Zufall die Fairness bei der Ressourcenverteilung verbessern kann.

Ein neuer Ansatz für die Ressourcenallokation in sozialen Programmen priorisiert Bedürfnisse und Bewertungen.

Ein Blick auf Vorurteile und Fairness in der Computer Vision Technologie.

Untersuchung kultureller Unterschiede in Depressionsvorhersagemodellen und Herausforderungen der Fairness.

Dieser Artikel untersucht die Fairness bei der Auktionsgestaltung und ihren Einfluss auf die Ressourcenverteilung.

Die Herausforderungen beim Verstehen von linearen Regressionsmodellen in Machine Learning untersuchen.

Shuffling-Angriffe zeigen Schwächen in der Bewertung der Fairness von KI, indem Methoden wie SHAP verwendet werden.

Neue Methoden verbessern die Gesichtserkennung und kümmern sich gleichzeitig um Datenschutzbedenken.

BMFT vorstellen: eine Methode, um Fairness im maschinellen Lernen zu verbessern, ohne die ursprünglichen Trainingsdaten.

Untersuchen, wie Beispielentscheidungen die Fairness in Sprachmodellen beeinflussen.

Eine neue Version des Ultimatum-Spiels zeigt komplexe Dynamiken von Fairness in Gruppensituationen.

Ein neues Verfahren soll den Stundenplan für alle Schüler fairer gestalten.

Ein neuer Ansatz, um Vorurteile in künstlichen Intelligenzsystemen zu reduzieren.

Ein Blick darauf, wie man Vorurteile in KI-generierten Bildern reduzieren kann.

Ein Blick auf die wichtigsten Unterschiede zwischen erklärbarer KI und interpretierbarer KI.

Ein Leitfaden zu den ethischen Anforderungen für die Entwicklung verantwortungsvoller KI-Systeme.

Fairness in personalisierten Empfehlungen mit Graph Neural Networks erkunden.

Entdecke, wie Vorurteile in ML die Ergebnisse der öffentlichen Gesundheit und die Fairness beeinflussen.

Neue Methoden für faire Entscheidungen in maschinellen Lernsystemen erforschen.

Die Bedeutung von Fairness in KI-Systemen, die das Leben beeinflussen, untersuchen.

Eine neue Methode will die Fairness im maschinellen Lernen durch das Wiedergewichten von Datenproben verbessern.

Ein Blick auf die Bewertung vertrauenswürdiger KI-Systeme und die damit verbundenen Methoden.

Untersuchung von Vorurteilen in Grundmodellen und deren Einfluss auf medizinische Bildgebungsergebnisse.

Diese Studie untersucht Fairness bei der Analyse von Brust-Röntgenaufnahmen ohne demografische Daten.

Die Prinzipien und Herausforderungen bei der Schaffung fairer KI-Technologien untersuchen.

Eine Studie über die Effektivität von Graphair bei fairen Graphdarstellungen und Linkvorhersagen.

Fairness in Online-Dating- und Jobempfehlungssystemen erkunden.

Eine Analyse von Fairness-Testwerkzeugen für Softwareentwickler.

Untersuchung von Fairnessproblemen in Betrugserkennungssystemen für Transaktionen.