Статья
A new knockout tournament seeding method and its axiomatic justification
В статье приводятся результаты серии экспериментов по конкурентному рынку труда, в которых испытуемые имели возможность ответить взаимообразно на благоприятные для них действия партнера по экономическому взаимодействию. В экспериментальном условии с высокими ставками испытуемые зарабатывали в течение эксперимента сумму, равную их реальному заработку за два-три месяца. В экспериментальном условии с обычными ставками сумма ставки была в 10 раз меньше. Было обнаружено, что и в условиях нормальных экспериментальных денежных ставок, и в условиях высоких денежных ставок соображения справедливости были достаточно сильны, чтобы перевесить влияние конкурентных сил и привести к установлению предложений высоких, неконкурентных зарплат со стороны «работодателей». Также не было обнаружено, что ответные действия «работников», которые выставляли коэффициент «трудозатрат», перераспределяющий окончательные выплаты партнерам по сделке, становились бы более эгоистичными при высоких денежных ставках. Таким образом, наши результаты предполагают, что соображения справедливости могут играть важную роль даже при относительно высоких денежных ставках.
Эта публикация представляет собой сборник отдельных статей "Третьей Международной конференции по динамике информационных систем», которая состоялась в университете Флориды, 16-18 февраля 2011 года. Цель данной конференции заключалась в том, чтобы собрать вместе ученых и инженеров из промышленности, правительства и научных кругов, чтобы они смогли обменяться новыми открытиями и результатами в вопросах, имеющих отношение к теории и практике динамики информационных систем. Динамика информационных систем: математическое открытие представляет собой современное исследование и предназначается студентам – аспирантам и исследователям, которые интересуются самыми последними открытиями в информационной теории и динамичных системах. Ученые других дисциплин могут также получить пользу от применения новых разработок в своих областях исследований.
Конференция Computer Science уровня A* по рейтингу CORE
Equipping machine learning models with ethical and legal constraints is a serious issue; without this, the future of machine learning is at risk. This paper takes a step forward in this direction and focuses on ensuring machine learning models deliver fair decisions. In legal scholarships, the notion of fairness itself is evolving and multi-faceted. We set an overarching goal to develop a unified machine learning framework that is able to handle any definitions of fairness, their combinations, and also new definitions that might be stipulated in the future. To achieve our goal, we recycle two well-established machine learning techniques, privileged learning and distribution matching, and harmonize them for satisfying multi-faceted fairness definitions. We consider protected characteristics such as race and gender as privileged information that is available at training but not at test time; this accelerates model training and delivers fairness through unawareness. Further, we cast demographic parity, equalized odds, and equality of opportunity as a classical two-sample problem of conditional distributions, which can be solved in a general form by using distance measures in Hilbert Space. We show several existing models are special cases of ours. Finally, we advocate returning the Pareto frontier of multi-objective minimization of error and unfairness in predictions. This will facilitate decision makers to select an operating point and to be accountable for it.
Сборник составлен по результатам исследований молодых ученых, аспирантов и студентов МЭСИ, а также ряда вузов Москвы, Йошкар-Олы, Магнитогорска, Махачкалы, Пензы, Саранска, Саратова, Улан-Удэ. Рассмотренные на конференции (июнь 2011 г.) результаты исследований посвящены вопросам статистической методологии, применению математико-статистических и эконометрических методов в различных отраслях экономики и социальной сфере. Обобщается зарубежный опыт статистического анализа ряда проблем экономической и социальной жизни. Сравнивается эффективность различных методов, формулируются рекомендации по их выбору в зависимости от специфики решаемой задачи.
В основе настоящего учебного пособия лежит специальный курс по выбору студента, прочитанный автором на механико - математическом факультете МГУ им. М.В. Ломоносова в 2010-2012 учебных годах. Пособие знакомит читателя с методом параметрикса и его дискретным аналогом, развитым в самое последнее время автором пособия и его коллегами-соавторами. Оно объединяет воедино материал, который ранее содержался только в ряде журнальных статей. Не стремясь к максимальной общности изложения, автор ставил целью продемонстрировать возможности метода при доказательстве локальных предельных теорем о сходимости марковских цепей к диффузионному процессу и при получении двусторонних оценок типа Аронсона для некоторых вырожденных диффузий.
Статьи данного сборника написаны на основе докладов, сделанных в 2011 г. на социологическом факультете МГУ им. М.В. Ломоносова на заседании XIV Междисциплинарного ежегодного научного семинара "Математическое моделирование социальных процессов" им. Героя Социалистического труда академика А.А. Самарского.
Издание предназначено для научных сотрудников, преподавателей, учащихся вузов и научных учреждений РАН, интересующихся проблемами, разработкой и внедрением методологии математического моделирования социальных процессов.