Derniers articles pour Équité

Examiner comment la race affecte les modèles de santé et leur équité.

Le dé-biaisage sélectif vise à améliorer l'équité dans les prédictions des modèles de machine learning.

La méthode CrossWalk améliore l'équité des embeddings de nœuds tout en prenant en compte les informations sensibles.

Explorer comment l'IA peut améliorer l'apprentissage, l'évaluation et l'équité.

De nouveaux modèles améliorent la modération de contenu pour les interactions IA, garantissant la sécurité et réduisant les nuisances.

Explorer des méthodes pour répartir équitablement les ressources partagées entre les membres de la communauté.

Explorer comment le hasard peut améliorer l'équité dans la distribution des ressources.

Une nouvelle approche pour l'allocation des ressources dans les programmes sociaux met l'accent sur les besoins et l'évaluation.

Un aperçu des biais et de l'équité dans la technologie de vision par ordinateur.

Examiner les différences culturelles dans les modèles de prédiction de la dépression et les défis d'équité.

Cet article examine l'équité dans la conception des enchères et son impact sur l'allocation des ressources.

Examiner les défis de l'interprétation des modèles de régression linéaire en apprentissage automatique.

Les attaques par mélange révèlent des vulnérabilités dans les évaluations de l'équité de l'IA en utilisant des méthodes comme SHAP.

De nouvelles méthodes améliorent la reconnaissance faciale tout en prenant en compte les préoccupations en matière de vie privée.

Présentation de BMFT : une méthode pour améliorer l'équité en apprentissage automatique sans les données d'entraînement originales.

Examiner comment les choix d'exemples influencent l'équité dans les modèles de langage.

Une nouvelle version du jeu de l'ultimatum révèle des dynamiques complexes de la justice dans les groupes.

Une nouvelle méthode vise à rendre la planification des lycées plus équitable pour tous les élèves.

Une nouvelle approche pour réduire les biais dans les systèmes d'intelligence artificielle.

Un aperçu de la réduction des biais dans les images générées par l'IA.

Un aperçu des différences clés entre l'IA explicable et l'IA interprétable.

Un guide sur les exigences éthiques pour développer des systèmes d'IA responsables.

Explorer l’équité dans les recommandations personnalisées avec des réseaux de neurones graphiques.

Découvrez comment les biais en IA impactent les résultats de santé publique et l'équité.

Explorer de nouvelles méthodes pour une prise de décision équitable dans les systèmes d'apprentissage automatique.

Examiner l'importance de l'équité dans les systèmes d'IA qui influencent nos vies.

Une nouvelle méthode vise à améliorer l'équité dans l'apprentissage automatique en réajustant le poids des échantillons de données.

Un aperçu de l'évaluation des systèmes d'IA fiables et des méthodes impliquées.

Examiner les biais dans les modèles de base et leur impact sur les résultats d'imagerie médicale.

Cette étude explore l'équité dans l'analyse des radiographies thoraciques sans détails démographiques.

Examiner les principes et les défis de la création de technologies d'IA équitables.

Une étude sur l'efficacité de Graphair dans les représentations de graphes équitables et la prédiction de liens.

Explorer l'équité dans les systèmes de rencontre en ligne et de recommandations d'emploi.

Une analyse des outils de test de fairness pour les développeurs de logiciels.

Examiner les problèmes d'équité dans les systèmes de détection de fraude transactionnelle.

Cette étude analyse l'équité des méthodes de recommandation basées sur la diffusion par rapport aux modèles traditionnels.

Cet article parle des méthodes d'allocation équitable pour les tâches et les jobs en utilisant les parts maximin.

Exposer les risques de manipulation des fonctions d’influence en apprentissage automatique.

Cet article parle de l'allocation équitable d'objets en utilisant des techniques d'apprentissage automatique.

Recherche pour améliorer l'équité dans les dons de charité grâce à de meilleurs outils.