从 Voronoi 单元中挖掘偏差-目标对齐
机器学习
2023-05-08 v1 人工智能
计算机视觉与模式识别
计算机与社会
摘要
尽管已有大量研究努力，深度神经网络仍易受偏差影响：这引发了对其公平性的担忧并限制了其泛化能力。本文提出一种与偏差无关的（bias-agnostic）方法来减轻深度神经网络中偏差的影响。与传统去偏方法不同，我们依赖一种度量来量化目标类上的“偏差对齐/未对齐”，并利用该信息来阻止偏差-目标对齐信息在网络中的传播。我们在几个常用的去偏数据集上进行了实验，并将我们的方法与有监督及特定偏差的方法进行比较。结果表明，尽管所提方法是与偏差无关的，即使在同一样本中存在多种偏差的情况下，其性能也可与最先进（state-of-the-art）的有监督方法相媲美。
引用
@article{arxiv.2305.03691,
title = {Mining bias-target Alignment from Voronoi Cells},
author = {Rémi Nahon and Van-Tam Nguyen and Enzo Tartaglione},
journal= {arXiv preprint arXiv:2305.03691},
year = {2023}
}