Zobrazeno 1 - 10
of 268
pro vyhledávání: '"Pontil, M"'
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
NeurIPS 2020-34th Conference on Neural Information Processing Systems
NeurIPS 2020-34th Conference on Neural Information Processing Systems, Dec 2020, Vancouver / Virtuel, Canada
Scopus-Elsevier
NeurIPS 2020-34th Conference on Neural Information Processing Systems, Dec 2020, Vancouver / Virtuel, Canada
Scopus-Elsevier
International audience; We study the problem of learning a real-valued function that satisfies the Demographic Parity constraint. It demands the distribution of the predicted output to be independent of the sensitive attribute. We consider the case t
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::a4836df00b0f1165eb7bdd8d9d75ab25
https://hal.archives-ouvertes.fr/hal-02866811/document
https://hal.archives-ouvertes.fr/hal-02866811/document
Publikováno v:
Scopus-Elsevier
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::3d28d831a7f35624ea7875eacf6d56f9
https://hdl.handle.net/11567/1086640
https://hdl.handle.net/11567/1086640
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
NeurIPS 2019-33th Annual Conference on Neural Information Processing Systems
NeurIPS 2019-33th Annual Conference on Neural Information Processing Systems, Dec 2019, Vancouver, Canada
Scopus-Elsevier
NeurIPS 2019-33th Annual Conference on Neural Information Processing Systems, Dec 2019, Vancouver, Canada
Scopus-Elsevier
International audience; We study the problem of fair binary classification using the notion of Equal Opportunity. It requires the true positive rate to distribute equally across the sensitive groups. Within this setting we show that the fair optimal
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::6eb80fe06d4e9bf7907016d68ddf56b9
https://hal.archives-ouvertes.fr/hal-02150662v2/document
https://hal.archives-ouvertes.fr/hal-02150662v2/document
Publikováno v:
Scopus-Elsevier
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::9d44d655184044f52dae67d8e7d5eae4
https://hdl.handle.net/11567/1086658
https://hdl.handle.net/11567/1086658
Publikováno v:
NIPS 2018-Advances in Neural Information Processing Systems
NIPS 2018-Advances in Neural Information Processing Systems, Dec 2018, Montreal, Canada. pp.5864-5874
Scopus-Elsevier
NIPS 2018-Advances in Neural Information Processing Systems, Dec 2018, Montreal, Canada. pp.5864-5874
Scopus-Elsevier
Applications of optimal transport have recently gained remarkable attention thanks to the computational advantages of entropic regularization. However, in most situations the Sinkhorn approximation of the Wasserstein distance is replaced by a regular
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::b7c61e99a1e69547c53f329fb7dcf1a8
http://arxiv.org/abs/1805.11897
http://arxiv.org/abs/1805.11897
Autor:
Baldoni, R., De Nicola, R., Prinetto, P., Anglano, C., Aniello, L., Antinori, A., Armando, A., Aversa, R., Baldi, Marco, Barili, A., Bartoletti, M., Bellini, M., Bergadano, F., Bernardeschi, C., Bianchi, E., Biancotti, C., Bistarelli, S., Blefari Melazzi, N., Boetti, M., Bondavalli, A., Bonomi, ., Buccafurri, F., Cambiaso, E., Caputo, B., Carminati, B., Cataliotti, F. S., Catarci, T., Ceccarelli, A., Cesa Bianchi, N., Chiaraluce, F., Colajanni, M., Conti, M., Coppolino, L., Costa, G., Costamagna, V., Cotroneo, D., Crispo, B., Cucchiara, R., D’Antonio, S., Damiani, E., De Santis, A., Di Battista, G., Di Martino, B., Degiovanni, I. P., Demetrescu, C., Di Corinto, A., Di Luna, A., Di Natale, G., Dini, G., Evangelisti, M., Falcinelli, D., Figà, G., Ferretti, M., Ficco, M., Flocchini, P., Flottes, M., Focardi, R., Furfaro, Franchina., Girdinio, P., Guida, F., Italiano, G. F., Lain, D., Laurenti, N., Lioy, A., Loreti, M., Malerba, D., Mancini, L. V., Marchetti Spaccamela, A., Marcialis, G., Margheri, A., Marrella, A., Martinelli, F., Martinelli, M., Martino, L., Massacci, F., Mayer, M., Mecella, M., Mensi, M., Merlo, A., Miculan, M., Montanari, L., Morana, M., Mosco, G. D., Mostarda, L., Murino, V., Nardi, D., Navigli, R., Palazzi, A., Palmieri, F., Panetta, I. C., Passarella, A., Pellegrini, A., Pelosi, G., Pellegrino, G., Pirlo, G., Piuri, V., Pizzonia, M., Pogliani, M., Polino, M., Pontil, M., Quaglia, F., Quattrociocchi, W., Querzoni, L., Rak, M., Ranise, S., Ricci, E., Rossi, L., Rota, P., Russo, L. O., Samarati, P., Santoro, N., Santucci, B., Sassone, V., Scala, A., Scotti, F., Servida, A., Spagnoletti, P., Spalazzi, L., Spidalieri, F., Spoto, A., Squarcina, M., Stefanelli, S., Vecchio, A., Venticinque, S., Villoresi, P., Visaggio, A., Vitaletti, A., Zanero, S.
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od______3686::d33606d285794e02ca75a3d4e3e788df
http://hdl.handle.net/11573/1212349
http://hdl.handle.net/11573/1212349
Publikováno v:
Scopus-Elsevier
Key to multitask learning is exploiting relationships between different tasks to improve prediction performance. If the relations are linear, regularization approaches can be used successfully. However, in practice assuming the tasks to be linearly r
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::728fc052ec3a1a9342d6c3193cf160f6
http://hdl.handle.net/11567/888667
http://hdl.handle.net/11567/888667
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.