Buchumschlag

Demystifying the Optimal Fair Classifier in Multi-Class Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Li, Li, Yuyuan, Feng, XiaoHua, Zhang, Jiaming, Yu, Fengyuan, Chen, Chaochao
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LEGO: A Lightweight and Efficient Multiple-Attribute Unlearning Framework for Recommender Systems
von: Yu, Fengyuan, et al.
Veröffentlicht: (2025)

Bridging the Gap Between Preference Alignment and Machine Unlearning
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

TOFA: Training-Free One-Shot Federated Adaptation for Vision-Language Models
von: Zhang, Li, et al.
Veröffentlicht: (2025)

RAID: An In-Training Defense against Attribute Inference Attacks in Recommender Systems
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

A Neuro-inspired Interpretation of Unlearning in Large Language Models through Sample-level Unlearning Difficulty
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

Class-wise Federated Unlearning: Harnessing Active Forgetting with Teacher-Student Memory Generation
von: Li, Yuyuan, et al.
Veröffentlicht: (2023)

FedFACT: A Provable Framework for Controllable Group-Fairness Calibration in Federated Learning
von: Zhang, Li, et al.
Veröffentlicht: (2025)

Controllable Unlearning for Image-to-Image Generative Models via $\varepsilon$-Constrained Optimization
von: Feng, Xiaohua, et al.
Veröffentlicht: (2024)

Generalizable Multimodal Large Language Model Editing via Invariant Trajectory Learning
von: Su, Jiajie, et al.
Veröffentlicht: (2026)

Adapting Amidst Degradation: Cross Domain Li-ion Battery Health Estimation via Physics-Guided Test-Time Training
von: Feng, Yuyuan, et al.
Veröffentlicht: (2024)

Sharpness-Aware Minimization for Generalized Embedding Learning in Federated Recommendation
von: Yu, Fengyuan, et al.
Veröffentlicht: (2026)

Integration of Large Language Models and Federated Learning
von: Chen, Chaochao, et al.
Veröffentlicht: (2023)

A Survey on Generative Model Unlearning: Fundamentals, Taxonomy, Evaluation, and Future Direction
von: Feng, Xiaohua, et al.
Veröffentlicht: (2025)

Cost-Sensitive Unbiased Risk Estimation for Multi-Class Positive-Unlabeled Learning
von: Zhang, Miao, et al.
Veröffentlicht: (2025)

Scaling the Explanation of Multi-Class Bayesian Network Classifiers
von: Zhang, Yaofang, et al.
Veröffentlicht: (2026)

Offline-to-Online Reinforcement Learning with Classifier-Free Diffusion Generation
von: Huang, Xiao, et al.
Veröffentlicht: (2025)

Interpretable and Fair Mechanisms for Abstaining Classifiers
von: Lenders, Daphne, et al.
Veröffentlicht: (2025)

Model Collapse Demystified: The Case of Regression
von: Dohmatob, Elvis, et al.
Veröffentlicht: (2024)

Confidence Calibration of Classifiers with Many Classes
von: LeCoz, Adrien, et al.
Veröffentlicht: (2024)

Fairness of Classifiers in the Presence of Constraints between Features
von: Cooper, Martin C., et al.
Veröffentlicht: (2026)

Simple and Effective Specialized Representations for Fair Classifiers
von: Sinigaglia, Alberto, et al.
Veröffentlicht: (2025)

IFFair: Influence Function-driven Sample Reweighting for Fair Classification
von: Yang, Jingran, et al.
Veröffentlicht: (2025)

FADE: Towards Fairness-aware Generation for Domain Generalization via Classifier-Guided Score-based Diffusion Models
von: Lin, Yujie, et al.
Veröffentlicht: (2024)

Multi-Scenario Highway Lane-Change Intention Prediction: A Physics-Informed AI Framework for Three-Class Classification
von: Shi, Jiazhao, et al.
Veröffentlicht: (2025)

Few-shot Class-incremental Learning for Classification and Object Detection: A Survey
von: Zhang, Jinghua, et al.
Veröffentlicht: (2023)

Shortcut to Nowhere: Demystifying Deep Spurious Regression
von: Xu, Guanrong, et al.
Veröffentlicht: (2026)

Demystifying MuZero Planning: Interpreting the Learned Model
von: Guei, Hung, et al.
Veröffentlicht: (2024)

Rethinking the Representation in Federated Unsupervised Learning with Non-IID Data
von: Liao, Xinting, et al.
Veröffentlicht: (2024)

Demystifying Design Choices of Reinforcement Fine-tuning: A Batched Contextual Bandit Learning Perspective
von: Xie, Hong, et al.
Veröffentlicht: (2026)

Learning to Help in Multi-Class Settings
von: Wu, Yu, et al.
Veröffentlicht: (2025)

CoAst: Validation-Free Contribution Assessment for Federated Learning based on Cross-Round Valuation
von: Wu, Hao, et al.
Veröffentlicht: (2024)

Efficient Controllable Diffusion via Optimal Classifier Guidance
von: Oertell, Owen, et al.
Veröffentlicht: (2025)

Merge, Then Compress: Demystify Efficient SMoE with Hints from Its Routing Policy
von: Li, Pingzhi, et al.
Veröffentlicht: (2023)

Self-ReSET: Learning to Self-Recover from Unsafe Reasoning Trajectories
von: Zhang, Dongcheng, et al.
Veröffentlicht: (2026)

Rethinking Zero-Shot Time Series Classification: From Task-specific Classifiers to In-Context Inference
von: Fang, Juntao, et al.
Veröffentlicht: (2026)

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

UniDEC : Unified Dual Encoder and Classifier Training for Extreme Multi-Label Classification
von: Kharbanda, Siddhant, et al.
Veröffentlicht: (2024)

Conformal Prediction of Classifiers with Many Classes based on Noisy Labels
von: Penso, Coby, et al.
Veröffentlicht: (2025)

Balanced Online Class-Incremental Learning via Dual Classifiers
von: Wen, Shunjie, et al.
Veröffentlicht: (2025)

XNB: Explainable Class-Specific NaIve-Bayes Classifier
von: Aguilar-Ruiz, Jesus S., et al.
Veröffentlicht: (2024)