Buchumschlag

Transferring Fairness using Multi-Task Learning with Limited Demographic Information

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aguirre, Carlos, Dredze, Mark
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Fairness-Aware Graph Representation Learning with Limited Demographic Information
von: Wang, Zichong, et al.
Veröffentlicht: (2025)

On Demographic Group Fairness Guarantees in Deep Learning
von: Luo, Yan, et al.
Veröffentlicht: (2024)

Hidden or Inferred: Fair Learning-To-Rank with Unknown Demographics
von: Olulana, Oluseun, et al.
Veröffentlicht: (2024)

FairBranch: Mitigating Bias Transfer in Fair Multi-task Learning
von: Roy, Arjun, et al.
Veröffentlicht: (2023)

Migrate Demographic Group For Fair GNNs
von: Hu, YanMing, et al.
Veröffentlicht: (2023)

Fairness in Multi-Task Learning via Wasserstein Barycenters
von: Hu, François, et al.
Veröffentlicht: (2023)

FairMT: Fairness for Heterogeneous Multi-Task Learning
von: Hu, Guanyu, et al.
Veröffentlicht: (2025)

Fairness Risks for Group-conditionally Missing Demographics
von: Jiang, Kaiqi, et al.
Veröffentlicht: (2024)

Counterfactual Fairness Is Not Demographic Parity, and Other Observations
von: Silva, Ricardo
Veröffentlicht: (2024)

Towards Harmless Rawlsian Fairness Regardless of Demographic Prior
von: Wang, Xuanqian, et al.
Veröffentlicht: (2024)

Toward Fair Federated Learning under Demographic Disparities and Data Imbalance
von: Wu, Qiming, et al.
Veröffentlicht: (2025)

Can Optimization Trajectories Explain Multi-Task Transfer?
von: Mueller, David, et al.
Veröffentlicht: (2024)

Rethinking Fair Representation Learning for Performance-Sensitive Tasks
von: Jones, Charles, et al.
Veröffentlicht: (2024)

Demo2Vec: Learning Region Embedding with Demographic Information
von: Wen, Ya, et al.
Veröffentlicht: (2024)

Minimax Optimal Fair Classification with Bounded Demographic Disparity
von: Zeng, Xianli, et al.
Veröffentlicht: (2024)

Enhancing Fairness and Performance in Machine Learning Models: A Multi-Task Learning Approach with Monte-Carlo Dropout and Pareto Optimality
von: Zanna, Khadija, et al.
Veröffentlicht: (2024)

Dataset Distribution Impacts Model Fairness: Single vs. Multi-Task Learning
von: Raumanns, Ralf, et al.
Veröffentlicht: (2024)

Dataset Representativeness and Downstream Task Fairness
von: Borza, Victor, et al.
Veröffentlicht: (2024)

AI Fairness Beyond Complete Demographics: Current Achievements and Future Directions
von: Wang, Zichong, et al.
Veröffentlicht: (2025)

KG-FairDiff: Knowledge Graph-Guided Prompt Refinement for Demographically Fair Text-to-Image Generation
von: Davoodi, Farbod, et al.
Veröffentlicht: (2026)

Data Acquisition for Improving Model Fairness using Reinforcement Learning
von: Hasan, Jahid, et al.
Veröffentlicht: (2024)

A Self-Supervised Learning Pipeline for Demographically Fair Facial Attribute Classification
von: Ramachandran, Sreeraj, et al.
Veröffentlicht: (2024)

What is Fair? Defining Fairness in Machine Learning for Health
von: Gao, Jianhui, et al.
Veröffentlicht: (2024)

Procedural Fairness and Its Relationship with Distributive Fairness in Machine Learning
von: Wang, Ziming, et al.
Veröffentlicht: (2025)

AdapFair: Ensuring Adaptive Fairness for Machine Learning Operations
von: Huang, Yinghui, et al.
Veröffentlicht: (2024)

The Fragility of Fairness: Causal Sensitivity Analysis for Fair Machine Learning
von: Fawkes, Jake, et al.
Veröffentlicht: (2024)

What is Left After Distillation? How Knowledge Transfer Impacts Fairness and Bias
von: Mohammadshahi, Aida, et al.
Veröffentlicht: (2024)

FairSIN: Achieving Fairness in Graph Neural Networks through Sensitive Information Neutralization
von: Yang, Cheng, et al.
Veröffentlicht: (2024)

Algorithmic Fairness in Performative Policy Learning: Escaping the Impossibility of Group Fairness
von: Somerstep, Seamus, et al.
Veröffentlicht: (2024)

Learning Interpretable Fair Representations
von: Wang, Tianhao, et al.
Veröffentlicht: (2024)

Leveraging Prototypical Representations for Mitigating Social Bias without Demographic Information
von: Iskander, Shadi, et al.
Veröffentlicht: (2024)

Post-Fair Federated Learning: Achieving Group and Community Fairness in Federated Learning via Post-processing
von: Duan, Yuying, et al.
Veröffentlicht: (2024)

Fairness in Reinforcement Learning with Bisimulation Metrics
von: Rezaei-Shoshtari, Sahand, et al.
Veröffentlicht: (2024)

Normalise for Fairness: A Simple Normalisation Technique for Fairness in Regression Machine Learning Problems
von: Amin, Mostafa M., et al.
Veröffentlicht: (2022)

Enhancing Multi-Attribute Fairness in Healthcare Predictive Modeling
von: Wang, Xiaoyang, et al.
Veröffentlicht: (2025)

DECAF: Learning to be Fair in Multi-agent Resource Allocation
von: Kumar, Ashwin, et al.
Veröffentlicht: (2025)

Aleatoric and Epistemic Discrimination: Fundamental Limits of Fairness Interventions
von: Wang, Hao, et al.
Veröffentlicht: (2023)

FairHome: A Fair Housing and Fair Lending Dataset
von: Bagalkotkar, Anusha, et al.
Veröffentlicht: (2024)

Insights From Insurance for Fair Machine Learning
von: Fröhlich, Christian, et al.
Veröffentlicht: (2023)

Learning Fair Representations with Kolmogorov-Arnold Networks
von: Priyadarshini, Amisha, et al.
Veröffentlicht: (2025)