期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
可信机器学习的公平性综述
被引量：
29
1
作者
刘文炎
沈楚云
+5 位作者
王祥丰
金博
卢兴见
王晓玲
查宏远
何积丰
《软件学报》
EI
CSCD
北大核心
2021年第5期1404-1426,共23页
人工智能在与人类生活息息相关的场景中自主决策时,正逐渐面临法律或伦理的问题或风险.可信机器学习是建立安全人工智能系统的核心技术,是人工智能领域的热门研究方向,而公平性是可信机器学习的重要考量.公平性旨在研究机器学习算法决...
人工智能在与人类生活息息相关的场景中自主决策时,正逐渐面临法律或伦理的问题或风险.可信机器学习是建立安全人工智能系统的核心技术,是人工智能领域的热门研究方向,而公平性是可信机器学习的重要考量.公平性旨在研究机器学习算法决策对个人或群体不存在因其固有或后天属性所引起的偏见或偏爱.从公平表征、公平建模和公平决策这3个角度出发,以典型案例中不公平问题及其危害为驱动,分析数据和算法中造成不公平的潜在原因,建立机器学习中的公平性抽象定义及其分类体系,进一步研究用于消除不公平的机制.可信机器学习中的公平性研究在人工智能多个领域中处于起步阶段,如计算机视觉、自然语言处理、推荐系统、多智能体系统和联邦学习等.建立具备公平决策能力的人工智能算法,是加速推广人工智能落地的必要条件,且极具理论意义和应用价值.
展开更多
关键词
可信
人工智能
可信机器学习
公平性
统计公平
因果公平
公平表征
公平建模
公平决策
在线阅读
下载PDF
职称材料
褶皱缺陷对复合材料拉伸性能的影响规律:试验及数值模型
被引量：
2
2
作者
凌圣博
姚启
+2 位作者
王乐蓬
梅杰
吴振
《力学学报》
EI
CAS
CSCD
北大核心
2024年第6期1740-1751,共12页
复合材料层合板在制造过程中会不可避免地产生各类缺陷,纤维褶皱缺陷是最为常见的缺陷形式之一.为了探究褶皱缺陷对复合材料层合板纤维方向拉伸性能的影响,制备了不含褶皱缺陷的高强玻璃纤维复合材料试验件,以及4种含有纤维褶皱缺陷的...
复合材料层合板在制造过程中会不可避免地产生各类缺陷,纤维褶皱缺陷是最为常见的缺陷形式之一.为了探究褶皱缺陷对复合材料层合板纤维方向拉伸性能的影响,制备了不含褶皱缺陷的高强玻璃纤维复合材料试验件,以及4种含有纤维褶皱缺陷的试验件.对制备的5组试验件进行了准静态拉伸试验,通过数字图像相关(DIC)技术测量了试验件的位移及应变.通过试验,研究了褶皱高宽比、褶皱角度对静强度及失效模式的影响.试验发现,含褶皱缺陷复合材料的静强度相比无缺陷复合材料降低40%以上,并且褶皱高宽比越大,或褶皱夹角越大,复合材料的静强度越低.与此同时,发现褶皱缺陷会显著改变复合材料的失效模式,使得原本单向纤维增强复合材料在纵向拉伸载荷作用下的炸裂失效变为纤维断裂失效和轻微的炸裂失效.此外,为了建立复合材料静强度与褶皱几何参数(高宽比和褶皱角度)之间的关系,使用多可信度机器学习算法构建了褶皱缺陷对复合材料静强度的影响模型,通过有限的试验数据预测了不同褶皱缺陷对复合材料静强度的影响规律.结果表明,构建的模型仅用极少的试验数据即可准确反应褶皱高宽比和褶皱角度对复合材料拉伸强度的影响,为研究含缺陷复合材料的力学性能提供了新方法.
展开更多
关键词
复合材料层合板
褶皱缺陷
多
可信
度
机器
学习
失效模式
静强度
在线阅读
下载PDF
职称材料
基于概率模型检查的树模型公平性验证方法
被引量：
2
3
作者
王艳
侯哲
+2 位作者
黄滟鸿
史建琦
张格林
《软件学报》
EI
CSCD
北大核心
2022年第7期2482-2498,共17页
如今,越来越多的社会决策借助机器学习模型给出,包括法律决策、财政决策等等.对于这些决策,算法的公平性是极为重要的.事实上,在这些环境中引入机器学习的目的之一,就是为了规避或减少人类在决策过程中存在的偏见.然而,数据集常常包含...
如今,越来越多的社会决策借助机器学习模型给出,包括法律决策、财政决策等等.对于这些决策,算法的公平性是极为重要的.事实上,在这些环境中引入机器学习的目的之一,就是为了规避或减少人类在决策过程中存在的偏见.然而,数据集常常包含敏感特征,或可能存在历史性偏差,会使得机器学习算法产生带有偏见的模型.由于特征选择对基于树的模型具有重要性,它们容易受到敏感属性的影响.提出一种基于概率模型检查的方法,以形式化验证决策树和树集成模型的公平性.将公平性问题转换为概率验证问题,为算法模型构建PCSP#模型,并使用PAT模型检查工具求解,以不同定义的公平性度量衡量模型公平性.基于该方法开发了FairVerify工具,并在多个基于不同数据集和复合敏感属性的分类器上验证了不同的公平性度量,展现了较好的性能.与现有的基于分布的验证器相比,该方法具有更高的可扩展性和鲁棒性.
展开更多
关键词
公平性验证
决策树集成模型
概率模型检查
可信机器学习
在线阅读
下载PDF
职称材料
题名
可信机器学习的公平性综述
被引量：
29
1
作者
刘文炎
沈楚云
王祥丰
金博
卢兴见
王晓玲
查宏远
何积丰
机构
华东师范大学软件工程学院
华东师范大学计算机科学与技术学院
上海自主智能无人系统科学中心可信人工智能研究所
出处
《软件学报》
EI
CSCD
北大核心
2021年第5期1404-1426,共23页
基金
上海市科委创新行动计划人工智能科技支持专项(20DZ1100300,20511101100)
国家自然科学基金(61972155,61672231,12071145)
+1 种基金
上海市自然科学基金(19ZR1414200)
国家重点研发计划(2020AAA0107400,2018YFB2101300)。
文摘
人工智能在与人类生活息息相关的场景中自主决策时,正逐渐面临法律或伦理的问题或风险.可信机器学习是建立安全人工智能系统的核心技术,是人工智能领域的热门研究方向,而公平性是可信机器学习的重要考量.公平性旨在研究机器学习算法决策对个人或群体不存在因其固有或后天属性所引起的偏见或偏爱.从公平表征、公平建模和公平决策这3个角度出发,以典型案例中不公平问题及其危害为驱动,分析数据和算法中造成不公平的潜在原因,建立机器学习中的公平性抽象定义及其分类体系,进一步研究用于消除不公平的机制.可信机器学习中的公平性研究在人工智能多个领域中处于起步阶段,如计算机视觉、自然语言处理、推荐系统、多智能体系统和联邦学习等.建立具备公平决策能力的人工智能算法,是加速推广人工智能落地的必要条件,且极具理论意义和应用价值.
关键词
可信
人工智能
可信机器学习
公平性
统计公平
因果公平
公平表征
公平建模
公平决策
Keywords
trustworthy artificial intelligence
trustworthy machine learning
fairness
statistical fairness
causal fairness
fair representation
fair modeling
fair decision-making
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
褶皱缺陷对复合材料拉伸性能的影响规律:试验及数值模型
被引量：
2
2
作者
凌圣博
姚启
王乐蓬
梅杰
吴振
机构
西北工业大学航空学院
强度和结构完整性全国重点实验室
出处
《力学学报》
EI
CAS
CSCD
北大核心
2024年第6期1740-1751,共12页
基金
国家自然科学基金资助项目(12172295)。
文摘
复合材料层合板在制造过程中会不可避免地产生各类缺陷,纤维褶皱缺陷是最为常见的缺陷形式之一.为了探究褶皱缺陷对复合材料层合板纤维方向拉伸性能的影响,制备了不含褶皱缺陷的高强玻璃纤维复合材料试验件,以及4种含有纤维褶皱缺陷的试验件.对制备的5组试验件进行了准静态拉伸试验,通过数字图像相关(DIC)技术测量了试验件的位移及应变.通过试验,研究了褶皱高宽比、褶皱角度对静强度及失效模式的影响.试验发现,含褶皱缺陷复合材料的静强度相比无缺陷复合材料降低40%以上,并且褶皱高宽比越大,或褶皱夹角越大,复合材料的静强度越低.与此同时,发现褶皱缺陷会显著改变复合材料的失效模式,使得原本单向纤维增强复合材料在纵向拉伸载荷作用下的炸裂失效变为纤维断裂失效和轻微的炸裂失效.此外,为了建立复合材料静强度与褶皱几何参数(高宽比和褶皱角度)之间的关系,使用多可信度机器学习算法构建了褶皱缺陷对复合材料静强度的影响模型,通过有限的试验数据预测了不同褶皱缺陷对复合材料静强度的影响规律.结果表明,构建的模型仅用极少的试验数据即可准确反应褶皱高宽比和褶皱角度对复合材料拉伸强度的影响,为研究含缺陷复合材料的力学性能提供了新方法.
关键词
复合材料层合板
褶皱缺陷
多
可信
度
机器
学习
失效模式
静强度
Keywords
composite laminates
wrinkle
multi-fidelity machine learning
failure pattern
static strength
分类号
TB332 [一般工业技术—材料科学与工程]
在线阅读
下载PDF
职称材料
题名
基于概率模型检查的树模型公平性验证方法
被引量：
2
3
作者
王艳
侯哲
黄滟鸿
史建琦
张格林
机构
华东师范大学软件工程学院
国家可信嵌入式软件工程技术研究中心(华东师范大学)
School of Information and Communication Technology
出处
《软件学报》
EI
CSCD
北大核心
2022年第7期2482-2498,共17页
基金
国家重点研发计划(2019YFB2102602)
文摘
如今,越来越多的社会决策借助机器学习模型给出,包括法律决策、财政决策等等.对于这些决策,算法的公平性是极为重要的.事实上,在这些环境中引入机器学习的目的之一,就是为了规避或减少人类在决策过程中存在的偏见.然而,数据集常常包含敏感特征,或可能存在历史性偏差,会使得机器学习算法产生带有偏见的模型.由于特征选择对基于树的模型具有重要性,它们容易受到敏感属性的影响.提出一种基于概率模型检查的方法,以形式化验证决策树和树集成模型的公平性.将公平性问题转换为概率验证问题,为算法模型构建PCSP#模型,并使用PAT模型检查工具求解,以不同定义的公平性度量衡量模型公平性.基于该方法开发了FairVerify工具,并在多个基于不同数据集和复合敏感属性的分类器上验证了不同的公平性度量,展现了较好的性能.与现有的基于分布的验证器相比,该方法具有更高的可扩展性和鲁棒性.
关键词
公平性验证
决策树集成模型
概率模型检查
可信机器学习
Keywords
fairness verification
decision tree ensemble model
probabilistic model checking
trustworthy machine learning
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
可信机器学习的公平性综述
刘文炎
沈楚云
王祥丰
金博
卢兴见
王晓玲
查宏远
何积丰
《软件学报》
EI
CSCD
北大核心
2021
29
在线阅读
下载PDF
职称材料
2
褶皱缺陷对复合材料拉伸性能的影响规律:试验及数值模型
凌圣博
姚启
王乐蓬
梅杰
吴振
《力学学报》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
3
基于概率模型检查的树模型公平性验证方法
王艳
侯哲
黄滟鸿
史建琦
张格林
《软件学报》
EI
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
