层次化 VampPrior 变分公平自编码器
机器学习
2018-07-04 v2 机器学习
摘要
决策制定是一个极易受不同偏差影响的过程。本文考虑学习旨在从决策过程中移除 nuisance(敏感)信息的公平表示。为此,我们提出使用深度生成建模并调整层次化变分自编码器以学习这些公平表示。此外,我们利用互信息作为有用的正则化器来强制表示的公平性。在两个基准数据集以及敏感变量完全与部分可观测的两种场景下的实验中,我们表明所提方法优于或与当前最佳模型表现相当。
引用
@article{arxiv.1806.09918,
title = {Hierarchical VampPrior Variational Fair Auto-Encoder},
author = {Philip Botros and Jakub M. Tomczak},
journal= {arXiv preprint arXiv:1806.09918},
year = {2018}
}
备注
ICML Workshop on Theoretical Foundations and Applications of Deep Generative Models 2018, final version