第一届 ICLR 结构化数据上的隐私、问责、可解释性、鲁棒性、推理国际研讨会（PAIR^2Struct）
机器学习
2022-10-10 v1 人工智能
密码学与安全
计算机视觉与模式识别
机器学习
摘要
近年来，全球范围内出现了关于人工智能（AI）负责任和合乎道德使用的原则和指南的进展。具体而言，数据隐私、问责、可解释性、鲁棒性和推理已被广泛认可为在决策关键和/或隐私敏感应用中使用机器学习（ML）技术的基本原则。另一方面，在大量真实世界应用中，数据本身可以很好地表示为各种结构化形式，例如图结构数据（如网络）、网格结构数据（如图像）、序列数据（如文本）等。通过利用内在的结构化知识，人们可以设计合理的方法来识别并使用更相关的变量以做出可靠决策，从而促进真实世界的部署。
引用
@article{arxiv.2210.03612,
title = {1st ICLR International Workshop on Privacy, Accountability, Interpretability, Robustness, Reasoning on Structured Data (PAIR^2Struct)},
author = {Hao Wang and Wanyu Lin and Hao He and Di Wang and Chengzhi Mao and Muhan Zhang},
journal= {arXiv preprint arXiv:2210.03612},
year = {2022}
}