Buchumschlag

Toward Fair Federated Learning under Demographic Disparities and Data Imbalance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Qiming, Li, Siqi, Zhou, Doudou, Liu, Nan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computers and Society Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FairFML: Fair Federated Machine Learning with a Case Study on Reducing Gender Disparities in Cardiac Arrest Outcome Prediction
von: Li, Siqi, et al.
Veröffentlicht: (2024)

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

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

A Comparative Benchmark of Federated Learning Strategies for Mortality Prediction on Heterogeneous and Imbalanced Clinical Data
von: Tertulino, Rodrigo
Veröffentlicht: (2025)

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

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

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

Learning Representational Disparities
von: Ravishankar, Pavan, et al.
Veröffentlicht: (2025)

Learning Fair Invariant Representations under Covariate and Correlation Shifts Simultaneously
von: Li, Dong, et al.
Veröffentlicht: (2024)

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

TFB: Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods
von: Qiu, Xiangfei, et al.
Veröffentlicht: (2024)

Fairness-Aware Interpretable Modeling (FAIM) for Trustworthy Machine Learning in Healthcare
von: Liu, Mingxuan, et al.
Veröffentlicht: (2024)

Position: Cracking the Code of Cascading Disparity Towards Marginalized Communities
von: Farnadi, Golnoosh, et al.
Veröffentlicht: (2024)

Measuring Individual User Fairness with User Similarity and Effectiveness Disparity
von: Rampisela, Theresia Veronika, et al.
Veröffentlicht: (2026)

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

Algorithmic Fairness Generalization under Covariate and Dependence Shifts Simultaneously
von: Zhao, Chen, et al.
Veröffentlicht: (2023)

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

SimFair: Physics-Guided Fairness-Aware Learning with Simulation Models
von: Wang, Zhihao, et al.
Veröffentlicht: (2024)

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

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

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

PUFFLE: Balancing Privacy, Utility, and Fairness in Federated Learning
von: Corbucci, Luca, et al.
Veröffentlicht: (2024)

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

Dynamic Environment Responsive Online Meta-Learning with Fairness Awareness
von: Zhao, Chen, et al.
Veröffentlicht: (2024)

Decision Making with Differential Privacy under a Fairness Lens
von: Fioretto, Ferdinando, et al.
Veröffentlicht: (2021)

Towards Collaborative Fairness in Federated Learning Under Imbalanced Covariate Shift
von: Yu, Tianrun, et al.
Veröffentlicht: (2025)

Towards Counterfactual Fairness-aware Domain Generalization in Changing Environments
von: Lin, Yujie, et al.
Veröffentlicht: (2023)

Learning Disease Progression Models That Capture Health Disparities
von: Chiang, Erica, et al.
Veröffentlicht: (2024)

Integrating Social Determinants of Health into Knowledge Graphs: Evaluating Prediction Bias and Fairness in Healthcare
von: Shang, Tianqi, et al.
Veröffentlicht: (2024)

Positive-Sum Fairness: Leveraging Demographic Attributes to Achieve Fair AI Outcomes Without Sacrificing Group Gains
von: Belhadj, Samia, et al.
Veröffentlicht: (2024)

Learning Fairer Representations with FairVIC
von: Barker, Charmaine, et al.
Veröffentlicht: (2024)

Improving the Fairness of Deep-Learning, Short-term Crime Prediction with Under-reporting-aware Models
von: Wu, Jiahui, et al.
Veröffentlicht: (2024)

Learning Fair Models without Sensitive Attributes: A Generative Approach
von: Zhu, Huaisheng, et al.
Veröffentlicht: (2022)

Toward Unifying Group Fairness Evaluation from a Sparsity Perspective
von: Sheng, Zhecheng, et al.
Veröffentlicht: (2025)

Auditing Fairness under Model Updates: Fundamental Complexity and Property-Preserving Updates
von: Ajarra, Ayoub, et al.
Veröffentlicht: (2026)

Personalized Knowledge Tracing through Student Representation Reconstruction and Class Imbalance Mitigation
von: Chen, Zhiyu, et al.
Veröffentlicht: (2024)

Tuning Derivatives for Causal Fairness in Machine Learning
von: Edström, Filip, et al.
Veröffentlicht: (2026)

Fair Machine Learning in Healthcare: A Review
von: Feng, Qizhang, et al.
Veröffentlicht: (2022)

On The Fairness Impacts of Hardware Selection in Machine Learning
von: Nelaturu, Sree Harsha, et al.
Veröffentlicht: (2023)

Supervised Algorithmic Fairness in Distribution Shifts: A Survey
von: Shao, Minglai, et al.
Veröffentlicht: (2024)