Buchumschlag

Robust Mixture Models for Algorithmic Fairness Under Latent Heterogeneity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Siqi, Liu, Molei, Tian, Ziye, Hong, Chuan, Liu, Nan
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

TRACER: Transfer Learning based Real-time Adaptation for Clinical Evolving Risk
von: Yan, Mengying, et al.
Veröffentlicht: (2025)

SIM-Shapley: A Stable and Computationally Efficient Approach to Shapley Value Approximation
von: Fan, Wangxuan, et al.
Veröffentlicht: (2025)

Distributionally Robust Transfer Learning with Structurally Missing Covariates, with Application to Cross-National Cardiac Arrest Prediction
von: Li, Siqi, et al.
Veröffentlicht: (2026)

Representation-Aware Distributionally Robust Optimization: A Knowledge Transfer Framework
von: Wang, Zitao, et al.
Veröffentlicht: (2025)

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

Knowledge-Guided Wasserstein Distributionally Robust Optimization
von: Wang, Zitao, et al.
Veröffentlicht: (2025)

Robust Heterogeneous Analog-Digital Computing for Mixture-of-Experts Models with Theoretical Generalization Guarantees
von: Chowdhury, Mohammed Nowaz Rabbani, et al.
Veröffentlicht: (2026)

Equitable Survival Prediction: A Fairness-Aware Survival Modeling (FASM) Approach
von: Liu, Mingxuan, et al.
Veröffentlicht: (2025)

Bridging Data Gaps in Healthcare: A Scoping Review of Transfer Learning in Biomedical Data Analysis
von: Li, Siqi, et al.
Veröffentlicht: (2024)

RELEAP: Reinforcement-Enhanced Label-Efficient Active Phenotyping for Electronic Health Records
von: Yang, Yang, et al.
Veröffentlicht: (2025)

HiMoE: Heterogeneity-Informed Mixture-of-Experts for Fair Spatial-Temporal Forecasting
von: Yu, Shaohan, et al.
Veröffentlicht: (2024)

On ADMM in Heterogeneous Federated Learning: Personalization, Robustness, and Fairness
von: Zhu, Shengkun, et al.
Veröffentlicht: (2024)

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

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)

Adaptive Heterogeneous Mixtures of Normalising Flows for Robust Variational Inference
von: Wiriyapong, Benjamin, et al.
Veröffentlicht: (2025)

Mixture of Heterogeneous Grouped Experts for Language Modeling
von: Ma, Zhicheng, et al.
Veröffentlicht: (2026)

How Robust is your Fair Model? Exploring the Robustness of Diverse Fairness Strategies
von: Small, Edward, et al.
Veröffentlicht: (2022)

Efficient Residual Learning with Mixture-of-Experts for Universal Dexterous Grasping
von: Huang, Ziye, et al.
Veröffentlicht: (2024)

Adversarial Drift-Aware Predictive Transfer: Toward Durable Clinical AI
von: Xiong, Xin, et al.
Veröffentlicht: (2026)

Inference for an Algorithmic Fairness-Accuracy Frontier
von: Liu, Yiqi, et al.
Veröffentlicht: (2024)

The Impact of Differential Feature Under-reporting on Algorithmic Fairness
von: Akpinar, Nil-Jana, et al.
Veröffentlicht: (2024)

Matrix Sensing with Kernel Optimal Loss: Robustness and Optimization Landscape
von: Song, Xinyuan, et al.
Veröffentlicht: (2025)

Physical Sensitivity Kernels Can Emerge in Data-Driven Forward Models: Evidence From Surface-Wave Dispersion
von: Yu, Ziye, et al.
Veröffentlicht: (2026)

Latent Imitator: Generating Natural Individual Discriminatory Instances for Black-Box Fairness Testing
von: Xiao, Yisong, et al.
Veröffentlicht: (2023)

Robust Estimation Under Heterogeneous Corruption Rates
von: Chaudhuri, Syomantak, et al.
Veröffentlicht: (2025)

Optimizing Distributed Deployment of Mixture-of-Experts Model Inference in Serverless Computing
von: Liu, Mengfan, et al.
Veröffentlicht: (2025)

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

What Exactly Does Guidance Do in Masked Discrete Diffusion Models
von: Ye, He, et al.
Veröffentlicht: (2025)

Imputation Strategies Under Clinical Presence: Impact on Algorithmic Fairness
von: Jeanselme, Vincent, et al.
Veröffentlicht: (2022)

MoLAE: Mixture of Latent Experts for Parameter-Efficient Language Models
von: Liu, Zehua, et al.
Veröffentlicht: (2025)

StablePCA: Distributionally Robust Learning of Shared Representations from Multi-Source Data
von: Wang, Zhenyu, et al.
Veröffentlicht: (2025)

An EnKF-LSTM Assimilation Algorithm for Crop Growth Model
von: Zhou, Siqi, et al.
Veröffentlicht: (2024)

Transfer Learning of CATE with Kernel Ridge Regression
von: Kim, Seok-Jin, et al.
Veröffentlicht: (2025)

FairDiffusion: Enhancing Equity in Latent Diffusion Models via Fair Bayesian Perturbation
von: Luo, Yan, et al.
Veröffentlicht: (2024)

Constructing Fair Latent Space for Intersection of Fairness and Explainability
von: Joo, Hyungjun, et al.
Veröffentlicht: (2024)

Efficient Diffusion Models under Nonconvex Equality and Inequality constraints via Landing
von: Jeon, Kijung, et al.
Veröffentlicht: (2026)

Bias Begins with Data: The FairGround Corpus for Robust and Reproducible Research on Algorithmic Fairness
von: Simson, Jan, et al.
Veröffentlicht: (2025)

Advances in Robust Federated Learning: A Survey with Heterogeneity Considerations
von: Chen, Chuan, et al.
Veröffentlicht: (2024)

Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes
von: Lu, Yuying, et al.
Veröffentlicht: (2026)

Hierarchical Contrastive Learning Enhanced Heterogeneous Graph Neural Network
von: Liu, Nian, et al.
Veröffentlicht: (2023)