Buchumschlag

Analyzing Fairness of Neural Network Prediction via Counterfactual Dataset Generation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Brian Hyeongseok, Mitchell, Jacqueline L., Wang, Chao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

FairQuant: Certifying and Quantifying Fairness of Deep Neural Networks
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2024)

Understanding Formal Reasoning Failures in LLMs as Abstract Interpreters
von: Mitchell, Jacqueline L., et al.
Veröffentlicht: (2025)

Improving Fairness in Graph Neural Networks via Counterfactual Debiasing
von: Wo, Zengyi, et al.
Veröffentlicht: (2025)

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

Towards Fair Graph Neural Networks via Graph Counterfactual without Sensitive Attributes
von: Wang, Xuemin, et al.
Veröffentlicht: (2024)

Counterfactual Fairness by Combining Factual and Counterfactual Predictions
von: Zhou, Zeyu, et al.
Veröffentlicht: (2024)

Counterfactually Fair Conformal Prediction
von: Guldogan, Ozgur, et al.
Veröffentlicht: (2025)

Learning Counterfactually Fair Models via Improved Generation with Neural Causal Models
von: Kher, Krishn Vishwas, et al.
Veröffentlicht: (2025)

Homophily-aware Supervised Contrastive Counterfactual Augmented Fair Graph Neural Network
von: Kejani, Mahdi Tavassoli, et al.
Veröffentlicht: (2026)

Evaluating Large Language Models for Fair and Reliable Organ Allocation
von: Kim, Brian Hyeongseok, et al.
Veröffentlicht: (2025)

Generating Robust Counterfactual Witnesses for Graph Neural Networks
von: Qiu, Dazhuo, et al.
Veröffentlicht: (2024)

Fixed Point Neural Acceleration and Inverse Surrogate Model for Battery Parameter Identification
von: Cheon, Hojin, et al.
Veröffentlicht: (2025)

Lookahead Counterfactual Fairness
von: Zuo, Zhiqun, et al.
Veröffentlicht: (2024)

Analyzing Fairness of Classification Machine Learning Model with Structured Dataset
von: Rashed, Ahmed, et al.
Veröffentlicht: (2024)

Efficient and Interpretable Transformer for Counterfactual Fairness
von: Dong, Panyi, et al.
Veröffentlicht: (2026)

Procedural Fairness via Group Counterfactual Explanation
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Counterfactually Fair Reinforcement Learning via Sequential Data Preprocessing
von: Wang, Jitao, et al.
Veröffentlicht: (2025)

Aligning (Medical) LLMs for (Counterfactual) Fairness
von: Poulain, Raphael, et al.
Veröffentlicht: (2024)

Are Your Models Still Fair? Fairness Attacks on Graph Neural Networks via Node Injections
von: Luo, Zihan, et al.
Veröffentlicht: (2024)

Counterfactual Fairness through Transforming Data Orthogonal to Bias
von: Chen, Shuyi, et al.
Veröffentlicht: (2024)

Counterfactual Fairness with Graph Uncertainty
von: Valério, Davi, et al.
Veröffentlicht: (2026)

Counterfactual Gradients-based Quantification of Prediction Trust in Neural Networks
von: Prabhushankar, Mohit, et al.
Veröffentlicht: (2024)

FairPFN: Transformers Can do Counterfactual Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2024)

Fair Recourse for All: Ensuring Individual and Group Fairness in Counterfactual Explanations
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2026)

Fair Bilevel Neural Network (FairBiNN): On Balancing fairness and accuracy via Stackelberg Equilibrium
von: Yazdani-Jahromi, Mehdi, et al.
Veröffentlicht: (2024)

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

Fair CoVariance Neural Networks
von: Cavallo, Andrea, et al.
Veröffentlicht: (2024)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Consistent End-to-End Estimation for Counterfactual Fairness
von: Ma, Yuchen, et al.
Veröffentlicht: (2023)

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

Counterfactual Explanations for Hypergraph Neural Networks
von: Veglianti, Fabiano, et al.
Veröffentlicht: (2026)

Towards Modeling Uncertainties of Self-explaining Neural Networks via Conformal Prediction
von: Qian, Wei, et al.
Veröffentlicht: (2024)

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

FairGSE: Fairness-Aware Graph Neural Network without High False Positive Rates
von: Ye, Zhenqiang, et al.
Veröffentlicht: (2025)

COMBINEX: A Unified Counterfactual Explainer for Graph Neural Networks via Node Feature and Structural Perturbations
von: Giorgi, Flavio, et al.
Veröffentlicht: (2025)

Counterfactual Analysis of Neural Networks Used to Create Fertilizer Management Zones
von: Morales, Giorgio, et al.
Veröffentlicht: (2024)

Game-theoretic Counterfactual Explanation for Graph Neural Networks
von: Chhablani, Chirag, et al.
Veröffentlicht: (2024)

Adversary-Free Counterfactual Prediction via Information-Regularized Representations
von: Tang, Shiqin, et al.
Veröffentlicht: (2025)

Adversarial Attacks on Fairness of Graph Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2023)

Tabular Diffusion Counterfactual Explanations
von: Zhang, Wei, et al.
Veröffentlicht: (2025)