Derniers articles pour Équité

Examiner comment les praticiens de l'IA mettent en œuvre des pratiques de machine learning responsables et les défis qu'ils rencontrent.

Analyser la prise de décision et l'équité à travers le prisme du Jeu de l'Ultimatum.

Cet article parle du besoin de clarté dans les modèles d'apprentissage automatique.

La conférence discute de l'équité dans les techniques de suréchantillonnage d'images et de la représentation raciale.

Examen des biais dans les modèles prédictifs pour les prix de l'immobilier en utilisant des données géospatiales.

Cette étude remet en question la préférence pour l'AUPRC plutôt que l'AUROC dans les ensembles de données déséquilibrés.

Des chercheurs bossent sur des données vocales synthétiques pour protéger la vie privée dans la reconnaissance vocale.

Examiner l'équité des recommandations faites par des algorithmes après des résultats négatifs.

Cet article explore les nouvelles technologies sans fil pour améliorer la connectivité des utilisateurs.

Explorer comment les outils numériques peuvent améliorer l'engagement des citoyens et la confiance dans la démocratie.

Examen des défis d'équité dans les GNNs face à des distributions de données en changeant.

Cet article parle de l'impact de la sous-déclaration des données sur l'équité des modèles prédictifs.

Explorer des moyens d'améliorer la fiabilité des technologies d'intelligence artificielle distribuée.

Une nouvelle méthode équilibre l'équité pour les consommateurs et les producteurs dans les recommandations.

Intégrer des modèles de base avec l'apprentissage fédéré présente à la fois des risques et des avantages.

Une stratégie pour améliorer la performance et l'équité dans les modèles d'apprentissage fédéré.

Une étude sur l'attribution efficace des tâches en tenant compte des budgets et des conflits.

Un modèle pour une planification équitable et efficace de l'infrastructure de recharge des bus électriques.

Explorer des méthodes pour un classement équitable dans diverses applications.

Une approche fresh pour s'assurer que les systèmes d'IA sont fiables et sûrs.

Présentation d'un algorithme efficace pour un clustering équitable de gros ensembles de données.

Stratégies pour une distribution équitable de l'eau en agriculture face à la pénurie croissante.

Explorer les principales préoccupations éthiques dans le développement et l'utilisation de l'IA.

Cette recherche se concentre sur la réduction de plusieurs biais dans les modèles de langage en même temps.

Explorer les problèmes d'équité dans l'apprentissage automatique et les systèmes fédérés.

Cet article examine comment l'apprentissage causal améliore l'équité et la fiabilité des systèmes de recommandation.

Un nouveau cadre met l'accent sur l'équité dans les compétitions d'apprentissage automatique crowdsourcées.

Un regard sur le besoin d'équité et d'explications claires dans les systèmes d'IA.

Une étude montre que l'IA affecte l'équité, la confiance et la coopération dans les interactions sociales.

Un système pour vérifier l'équité dans l'apprentissage automatique tout en protégeant la confidentialité du modèle.

Examiner l'équité et l'efficacité dans la distribution de ressources limitées.

Les partenariats visent à développer des outils d'IA équitables pour améliorer la santé à l'échelle mondiale.

Une nouvelle méthode garantit une exposition équitable des articles dans les systèmes de recommandation.

Un aperçu de l'amélioration des systèmes de recommandation pour l'équité et la satisfaction des utilisateurs.

Stratégies pour réduire les biais dans le ML, en se concentrant sur des attributs sensibles continus.

Examiner les biais dans l'apprentissage profond pour la reconstruction d'images IRM en fonction du genre et de l'âge.

Explore la répartition équitable des tâches entre des agents avec des responsabilités différentes.

Cet article parle de l'explicabilité et de l'équité dans les modèles de prédiction des jugements légaux.

Un nouvel outil évalue les biais dans les systèmes d'alerte précoce basés sur l'IA pour améliorer les soins aux patients.

Cette étude examine comment regrouper des données peut améliorer l'équité des modèles entre différents groupes.