Últimos artículos para Justicia

Este estudio combina muestras adversariales y anti-adversariales para mejorar el rendimiento del modelo.

Un estudio sobre cómo LDP afecta la equidad en el aprendizaje automático.

Este documento presenta un nuevo método para hacer clustering justo basado en el tamaño del grupo.

Una charla sobre cómo asignar objetos a los jugadores de manera justa mientras se asegura la honestidad.

Un enfoque novedoso para reducir el sesgo en la IA sin etiquetas sensibles.

Examinando el uso de modelos predictivos para reducir las tasas de deserción estudiantil.

Nuevos métodos de caché mejoran la eficiencia y la equidad para los usuarios en todos los sistemas.

La carga V2V ofrece una forma inteligente de compartir energía entre vehículos eléctricos.

ULTR tiene como objetivo crear sistemas imparciales para mejorar la búsqueda y las recomendaciones.

Explorando cómo la multicalibración mejora la equidad en las predicciones de IA.

Examinando el papel de la justicia en sistemas que reconocen las emociones humanas.

Explorando la conexión entre las métricas de equidad de IA y los estándares legales.

Este estudio examina la privacidad, robustez y equidad en los métodos de destilación de datasets.

Un nuevo método revela sesgos en la precisión del software de reconocimiento de imágenes.

La monitorización en tiempo real puede ayudar a mantener la equidad en la toma de decisiones de aprendizaje automático.

Examinando la relación entre relevancia y equidad en plataformas en línea.

BIMA ofrece una solución justa y sencilla para conectar múltiples dispositivos IoT.

La investigación que depende de muestras WEIRD puede sesgar los resultados de equidad en la IA.

Examinando el impacto del sesgo en la IA y la necesidad de equidad.

Este estudio presenta nuevos métodos para dividir de manera justa artículos representados por gráficos.

Un nuevo método revela los sesgos en las respuestas de los modelos de lenguaje.

Abordar sesgos en el aprendizaje automático a través de una anotación precisa del tono de piel.

Una visión general de los desafíos de equidad en los sistemas de recomendación y posibles soluciones.

Examinando cómo los sesgos ocultos afectan la equidad en los sistemas de IA.

El aprendizaje federado ofrece soluciones para la equidad en las predicciones de salud impulsadas por IA.

Explorando la importancia de la confianza en los sistemas de aprendizaje federado.

Mejorando la equidad en los sistemas de recomendación con nuevos modelos y técnicas.

Este estudio examina la equidad en el aprendizaje multitarea usando datos demográficos de tareas relacionadas.

Este artículo habla sobre cómo mejorar las predicciones adaptando datos de diferentes dominios.

Explorando métodos para mejorar la equidad en la detección de contenido tóxico en línea.

Analizando cómo la dimensionalidad influye en la personalización y diversidad en los algoritmos de recomendación.

Este artículo explora los desafíos de equidad en el aprendizaje automático y estrategias efectivas para mejorar.

Hablando sobre cómo compartir recompensas de manera justa en sistemas de trabajo colaborativo.

Nuevo método reduce el sesgo en el aprendizaje automático sin perder rendimiento.

Examinando el sesgo en los algoritmos de IA que afectan los diagnósticos médicos para poblaciones diversas.

Una mirada al impacto del aprendizaje federado en la privacidad y la equidad.

FairDP ofrece una solución para garantizar la privacidad y la equidad en los sistemas de aprendizaje automático.

Examinando la justicia en repartir cosas y tareas entre personas con diferentes necesidades.

Una mirada a la equidad y sesgo en los modelos para detectar comentarios tóxicos en línea.

Un nuevo algoritmo busca mejorar la equidad junto con la relevancia en los sistemas de clasificación.