XiaoMi-AI文件搜索系统
World File Search System霍普金斯大学
约翰·霍普金斯大学的霍乱疫苗研究，...
当前的理解：保护性免疫基于LPS（OSP），最好通过颤动抗体测量。蛋白质仅起次要角色（如果有）。这项研究挑战了这些假设：•基于ETEC的MEFA疫苗的开发，使用类似的方法来准备霍乱MEFA免疫原•MEFA•MEFA：多表蛋白融合抗原•来自许多潜在的病毒蛋白的表位•许多潜在的病毒蛋白融合以使抗体抗体•IM刺激性抗体包括抗体的抗体，包括抗体的抗体，包括抗体的抑制剂，构成抗体的功能繁殖的抗体，到LPS，没有颤动的响应
TARA：AI 公平性和领域泛化的训练和表示调整 William Paul 1、Armin Hadzic 1、Neil Joshi 1、Fady Alajaji 2、Philippe Burlina 1、3 1 约翰霍普金斯大学应用物理实验室 11100 Johns Hopkins Rd, Laurel, MD 20723, USA firstname.lastname@jhuapl.edu 2 数学与统计系 加拿大安大略省皇后大学 K7L 3N6 fa@queensu.ca 3 约翰霍普金斯大学计算机科学系 3400 N. Charles Street Baltimore, MD 21218
我们提出了一种针对受保护或敏感因素实施 AI 公平性的新方法。该方法使用双重策略执行训练和表示改变 (TARA) 来缓解 AI 偏见的主要原因，包括：a) 通过对抗独立性使用表示学习改变来抑制数据表示对受保护因素的偏见依赖性；以及 b) 通过智能增强改变训练集以解决引起偏见的数据不平衡，通过使用生成模型，允许通过领域适应和潜在空间操纵对与代表性不足的人群相关的敏感因素进行精细控制。在图像分析上测试我们的方法时，实验表明 TARA 显著或完全消除了基线模型的偏差，同时优于具有相同信息量的其他竞争性消除偏差方法，例如，对于 Eye-PACS，(% 总体准确度，% 准确度差距) = (78.8, 0.5) vs. 基线方法的得分 (71.8, 10.5)，对于 CelebA，(73.7, 11.8) vs. (69.1, 21.7)。此外，认识到当前用于评估消除偏差性能的指标的某些局限性，我们提出了新颖的联合消除偏差指标。我们的实验还证明了这些新指标在评估所提出方法的帕累托效率方面的能力。
