Buchumschlag

Achieving Fairness Across Local and Global Models in Federated Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Makhija, Disha, Han, Xing, Ghosh, Joydeep, Kim, Yejin
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Federated Learning for Estimating Heterogeneous Treatment Effects
von: Makhija, Disha, et al.
Veröffentlicht: (2024)

The Cost of Local and Global Fairness in Federated Learning
von: Duan, Yuying, et al.
Veröffentlicht: (2025)

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

GLOCALFAIR: Jointly Improving Global and Local Group Fairness in Federated Learning
von: Meerza, Syed Irfan Ali, et al.
Veröffentlicht: (2024)

Demystifying Local and Global Fairness Trade-offs in Federated Learning Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

Friends in Unexpected Places: Enhancing Local Fairness in Federated Learning through Clustering
von: Yang, Yifan, et al.
Veröffentlicht: (2024)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

Fairness in Federated Learning: Fairness for Whom?
von: Taik, Afaf, et al.
Veröffentlicht: (2025)

Training Fair Models in Federated Learning without Data Privacy Infringement
von: Che, Xin, et al.
Veröffentlicht: (2021)

Semi-Variance Reduction for Fair Federated Learning
von: Malekmohammadi, Saber, et al.
Veröffentlicht: (2024)

Fairness in Federated Learning: Trends, Challenges, and Opportunities
von: Mukhtiar, Noorain, et al.
Veröffentlicht: (2025)

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

Distribution-Free Fair Federated Learning with Small Samples
von: Yin, Qichuan, et al.
Veröffentlicht: (2024)

Boosting Fairness and Robustness in Over-the-Air Federated Learning
von: Oksuz, Halil Yigit, et al.
Veröffentlicht: (2024)

BoostFGL: Boosting Fairness in Federated Graph Learning
von: Chen, Zekai, et al.
Veröffentlicht: (2026)

FedCD: A Fairness-aware Federated Cognitive Diagnosis Framework
von: Yang, Shangshang, et al.
Veröffentlicht: (2025)

Fairness-aware Federated Minimax Optimization with Convergence Guarantee
von: Dunda, Gerry Windiarto Mohamad, et al.
Veröffentlicht: (2023)

Position Paper: Assessing Robustness, Privacy, and Fairness in Federated Learning Integrated with Foundation Models
von: Wang, Jiaqi, et al.
Veröffentlicht: (2024)

Referee-Meta-Learning for Fast Adaptation of Locational Fairness
von: Chen, Weiye, et al.
Veröffentlicht: (2024)

Bridging the Fairness Divide: Achieving Group and Individual Fairness in Graph Neural Networks
von: Zhan, Duna, et al.
Veröffentlicht: (2024)

Leveraging Federated Learning for Automatic Detection of Clopidogrel Treatment Failures
von: Kim, Samuel, et al.
Veröffentlicht: (2024)

Fair Sampling in Diffusion Models through Switching Mechanism
von: Choi, Yujin, et al.
Veröffentlicht: (2024)

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

A Post-Processing-Based Fair Federated Learning Framework
von: Zhou, Yi, et al.
Veröffentlicht: (2025)

Syntax Without Semantics: Teaching Large Language Models to Code in an Unseen Language
von: Kumar, Vinayshekhar Bannihatti, et al.
Veröffentlicht: (2026)

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)

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

FedFair^3: Unlocking Threefold Fairness in Federated Learning
von: Javaherian, Simin, et al.
Veröffentlicht: (2024)

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

The Effect of Enforcing Fairness on Reshaping Explanations in Machine Learning Models
von: Anderson, Joshua Wolff, et al.
Veröffentlicht: (2025)

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

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

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

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

FairPFN: A Tabular Foundation Model for Causal Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

LoGoFair: Post-Processing for Local and Global Fairness in Federated Learning
von: Zhang, Li, et al.
Veröffentlicht: (2025)

When Fair Ranking Meets Uncertain Inference
von: Ghosh, Avijit, et al.
Veröffentlicht: (2021)

FFB: A Fair Fairness Benchmark for In-Processing Group Fairness Methods
von: Han, Xiaotian, et al.
Veröffentlicht: (2023)

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