公开(公告)号：DE112020000537T5

公开(公告)日：2021-10-21

申请号：DE112020000537

申请日：2020-03-18

Applicant: IBM

Inventor： CHALOULOS GEORGIOS ,  FLOETHER FREDERIK ,  GRAF FLORIAN ,  LUSTENBERGER PATRICK ,  RAVIZZA STEFAN ,  SLOTTKE ERIC

IPC: G06N20/00 ,  G06N3/02

Abstract: Ein auf einem Computer implementiertes Verfahren zum Verbessern von Fairness in einem Modell für überwachtes maschinelles Lernen kann bereitgestellt werden. Das Verfahren weist ein Verknüpfen des Modells für überwachtes maschinelles Lernen mit einem Metamodell für bestärkendes Lernen, ein Auswählen einer Liste von Hyperparametern und Parametern des Modells für überwachtes maschinelles Lernen und ein Steuern zumindest eines Aspekts des Modells für überwachtes maschinelles Lernen durch Anpassen von Hyperparameterwerten und Parameterwerten der Liste von Hyperparametern und Parametern des Modells für überwachtes maschinelles Lernen durch eine Engine für bestärkendes Lernen, die sich auf das Metamodell für bestärkendes Lernen bezieht, durch Berechnen einer Belohnungsfunktion auf Grundlage mehrerer sich widersprechender Zielfunktionen auf. Das Verfahren weist des Weiteren ein iteratives Wiederholen der Schritte des Auswählens und Steuerns zum Verbessern eines Fairness-Wertes des Modells für überwachtes maschinelles Lernen auf.

公开(公告)号：AU2020394499A1

公开(公告)日：2022-04-28

申请号：AU2020394499

申请日：2020-11-25

Applicant: IBM

Inventor： GIOVANNINI ANDREA ,  CHALOULOS GEORGIOS ,  FLOETHER FREDERIK ,  LUSTENBERGER PATRICK ,  MESTERHAZY DAVID ,  RAVIZZA STEFAN ,  SLOTTKE ERIC

IPC: G06N20/20 ,  G06N7/00

Abstract: Aspects of the present invention disclose a method for verifying labels of records of a dataset. The records comprise sample data and a related label out of a plurality of labels. The method includes one or more processors dividing the dataset into a training dataset comprising records relating to a selected label and an inference dataset comprising records with sample data relating to the selected label and all other labels out of the plurality of labels. The method further includes dividing the training dataset into a plurality of learner training datasets that comprise at least one sample relating to the selected label. The method further includes training a plurality of label-specific few-shot learners with one of the learner training datasets. The method further includes performing inference by the plurality of trained label-specific few-shot learners on the inference dataset to generate a plurality of sets of predicted label output values.