| Texto completo | |
| Autor(es): |
Pelegrina, Guilherme D.
;
Brotto, Renan D. B.
;
Duarte, Leonardo T.
;
Attux, Romis
;
Romano, Joao M. T.
;
IEEE
Número total de Autores: 6
|
| Tipo de documento: | Artigo Científico |
| Fonte: | 2022 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN); v. N/A, p. 8-pg., 2022-01-01. |
| Resumo | |
In dimensionality reduction problems, the adopted technique may produce disparities between the representation errors of different groups. For instance, in the projected space, a specific class can be better represented in comparison with another one. In some situations, this unfair result may introduce ethical concerns. Aiming at overcoming this inconvenience, a fairness measure can be considered when performing dimensionality reduction through Principal Component Analysis. However, a solution that increases fairness tends to increase the overall re-construction error. In this context, this paper proposes to address this trade-off by means of a multi-objective-based approach. For this purpose, we adopt a fairness measure associated with the disparity between the representation errors of different groups. Moreover, we investigate if the solution of a classical Principal Component Analysis can be used to find a fair projection. Numerical experiments attest that a fairer result can be achieved with a very small loss in the overall reconstruction error. (AU) | |
| Processo FAPESP: | 20/09838-0 - BI0S - Brazilian Institute of Data Science |
| Beneficiário: | João Marcos Travassos Romano |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa Centros de Pesquisa Aplicada |
| Processo FAPESP: | 19/20899-4 - Antiesparsidade e equidade em processamento de sinais: da separação cega de fontes ao aprendizado de máquina equânime |
| Beneficiário: | Renan Del Buono Brotto |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Processo FAPESP: | 20/01089-9 - Separação não-supervisionada de sinais: um estudo sobre a aplicabilidade de redes generativas adversárias e sobre modelos não-lineares baseados na Integral de Choquet |
| Beneficiário: | Leonardo Tomazeli Duarte |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 20/10572-5 - Novas abordagens para lidar com imparcialidade e transparência em problemas de aprendizado de máquina |
| Beneficiário: | Guilherme Dean Pelegrina |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Processo FAPESP: | 21/11086-0 - Interpretabilidade e equidade em aprendizado de máquina: funções baseadas na capacidade e índices de interação |
| Beneficiário: | Guilherme Dean Pelegrina |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado |