Invariante Darstellungen für faire und domänenübergreifende maschinelle Lernmodelle mit minimax-optimaler Leistung
Das Ziel ist die Entwicklung von Algorithmen, die auf Invarianzprinzipien basieren und sowohl eine zuverlässige domänenübergreifende Generalisierung als auch algorithmische Fairness in Situationen mit Verteilungsverschiebungen zwischen Trainings- und Testdaten erreichen.