Buchumschlag

Trusting Fair Data: Leveraging Quality in Fairness-Driven Data Removal Techniques

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Duong, Manh Khoi, Conrad, Stefan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

(Un)certainty of (Un)fairness: Preference-Based Selection of Certainly Fair Decision-Makers
von: Duong, Manh Khoi, et al.
Veröffentlicht: (2024)

Measuring and Mitigating Bias for Tabular Datasets with Multiple Protected Attributes
von: Duong, Manh Khoi, et al.
Veröffentlicht: (2024)

Towards Fairness and Privacy: A Novel Data Pre-processing Optimization Framework for Non-binary Protected Attributes
von: Duong, Manh Khoi, et al.
Veröffentlicht: (2024)

Fair Machine Unlearning: Data Removal while Mitigating Disparities
von: Oesterling, Alex, et al.
Veröffentlicht: (2023)

FROG: Fair Removal on Graphs
von: Chen, Ziheng, et al.
Veröffentlicht: (2025)

Generating Synthetic Fair Syntax-agnostic Data by Learning and Distilling Fair Representation
von: Sikder, Md Fahim, et al.
Veröffentlicht: (2024)

FairSAM: Fair Classification on Corrupted Data Through Sharpness-Aware Minimization
von: Dai, Yucong, et al.
Veröffentlicht: (2025)

Continuous Fair SMOTE -- Fairness-Aware Stream Learning from Imbalanced Data
von: Lammers, Kathrin, et al.
Veröffentlicht: (2025)

FairCauseSyn: Towards Causally Fair LLM-Augmented Synthetic Data Generation
von: Nagesh, Nitish, et al.
Veröffentlicht: (2025)

FairDICE: Fairness-Driven Offline Multi-Objective Reinforcement Learning
von: Kim, Woosung, et al.
Veröffentlicht: (2025)

FairSHAP: Preprocessing for Fairness Through Attribution-Based Data Augmentation
von: Zhu, Lin, et al.
Veröffentlicht: (2025)

Fair4Free: Generating High-fidelity Fair Synthetic Samples using Data Free Distillation
von: Sikder, Md Fahim, et al.
Veröffentlicht: (2024)

FairTabGen: High-Fidelity and Fair Synthetic Health Data Generation from Limited Samples
von: Nagesh, Nitish, et al.
Veröffentlicht: (2025)

Balancing Fairness, Privacy, and Accuracy: A Multitask Adversarial Framework for Centralized Data-Driven Systems
von: Ekanayake, Imesh, et al.
Veröffentlicht: (2026)

Federated Unlearning in the Wild: Rethinking Fairness and Data Discrepancy
von: Huang, ZiHeng, et al.
Veröffentlicht: (2025)

Fair CCA for Fair Representation Learning: An ADNI Study
von: Hou, Bojian, et al.
Veröffentlicht: (2025)

Fair Overlap Number of Balls (Fair-ONB): A Data-Morphology-based Undersampling Method for Bias Reduction
von: Pascual-Triana, José Daniel, et al.
Veröffentlicht: (2024)

Data-Driven Fairness Generalization for Deepfake Detection
von: Ezeakunne, Uzoamaka, et al.
Veröffentlicht: (2024)

Beyond Internal Data: Constructing Complete Datasets for Fairness Testing
von: Ramineni, Varsha, et al.
Veröffentlicht: (2025)

Causally Fair Node Classification on Non-IID Graph Data
von: Dai, Yucong, et al.
Veröffentlicht: (2025)

Decomposed Trust: Privacy, Adversarial Robustness, Ethics, and Fairness in Low-Rank LLMs
von: Asante, Daniel Agyei, et al.
Veröffentlicht: (2025)

Improving LLM Group Fairness on Tabular Data via In-Context Learning
von: Cherepanova, Valeriia, et al.
Veröffentlicht: (2024)

Recovering from Biased Data: Can Fairness Constraints Improve Accuracy?
von: Blum, Avrim, et al.
Veröffentlicht: (2019)

Fairness Amidst Non-IID Graph Data: A Literature Review
von: Zhang, Wenbin, et al.
Veröffentlicht: (2022)

Understanding Fairness Surrogate Functions in Algorithmic Fairness
von: Yao, Wei, et al.
Veröffentlicht: (2023)

Fair-FLIP: Fair Deepfake Detection with Fairness-Oriented Final Layer Input Prioritising
von: Szandala, Tomasz, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
von: Panagiotou, Emmanouil, et al.
Veröffentlicht: (2024)

No Location Left Behind: Measuring and Improving the Fairness of Implicit Representations for Earth Data
von: Cai, Daniel, et al.
Veröffentlicht: (2025)

How Far Can Fairness Constraints Help Recover From Biased Data?
von: Sharma, Mohit, et al.
Veröffentlicht: (2023)

Ensuring Equitable Financial Decisions: Leveraging Counterfactual Fairness and Deep Learning for Bias
von: Shinde, Saish
Veröffentlicht: (2024)

Balancing Fairness and Accuracy in Data-Restricted Binary Classification
von: Lazri, Zachary McBride, et al.
Veröffentlicht: (2024)

The Impact of Generalization Techniques on the Interplay Among Privacy, Utility, and Fairness in Image Classification
von: Hassanpour, Ahmad, et al.
Veröffentlicht: (2024)

ComFairGNN: Community Fair Graph Neural Network
von: Sium, Yonas, et al.
Veröffentlicht: (2024)

FairGU: Fairness-aware Graph Unlearning in Social Networks
von: Luo, Renqiang, et al.
Veröffentlicht: (2026)

Data-Algorithm-Architecture Co-Optimization for Fair Neural Networks on Skin Lesion Dataset
von: Sheng, Yi, et al.
Veröffentlicht: (2024)

TABFAIRGDT: A Fast Fair Tabular Data Generator using Autoregressive Decision Trees
von: Panagiotou, Emmanouil, et al.
Veröffentlicht: (2025)

Data Augmentation via Diffusion Model to Enhance AI Fairness
von: Blow, Christina Hastings, et al.
Veröffentlicht: (2024)

Procedural Fairness Through Decoupling Objectionable Data Generating Components
von: Tang, Zeyu, et al.
Veröffentlicht: (2023)

Quantitative Auditing of AI Fairness with Differentially Private Synthetic Data
von: Yuan, Chih-Cheng Rex, et al.
Veröffentlicht: (2025)

GFLC: Graph-based Fairness-aware Label Correction for Fair Classification
von: Sulaiman, Modar, et al.
Veröffentlicht: (2025)