Buchumschlag

Convolutional Dynamic Alignment Networks for Interpretable Classifications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Böhle, Moritz, Fritz, Mario, Schiele, Bernt
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Optimising for Interpretability: Convolutional Dynamic Alignment Networks
von: Böhle, Moritz, et al.
Veröffentlicht: (2021)

B-cosification: Transforming Deep Neural Networks to be Inherently Interpretable
von: Arya, Shreyash, et al.
Veröffentlicht: (2024)

Towards Better Understanding Attribution Methods
von: Rao, Sukrut, et al.
Veröffentlicht: (2022)

Better Understanding Differences in Attribution Methods via Systematic Evaluations
von: Rao, Sukrut, et al.
Veröffentlicht: (2023)

B-cos Alignment for Inherently Interpretable CNNs and Vision Transformers
von: Böhle, Moritz, et al.
Veröffentlicht: (2023)

Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery
von: Rao, Sukrut, et al.
Veröffentlicht: (2024)

Studying How to Efficiently and Effectively Guide Models with Explanations
von: Rao, Sukrut, et al.
Veröffentlicht: (2023)

Good Teachers Explain: Explanation-Enhanced Knowledge Distillation
von: Parchami-Araghi, Amin, et al.
Veröffentlicht: (2024)

Adaptive Hierarchical Certification for Segmentation using Randomized Smoothing
von: Anani, Alaa, et al.
Veröffentlicht: (2024)

Pixel-level Certified Explanations via Randomized Smoothing
von: Anani, Alaa, et al.
Veröffentlicht: (2025)

How to Probe: Simple Yet Effective Techniques for Improving Post-hoc Explanations
von: Gairola, Siddhartha, et al.
Veröffentlicht: (2025)

Interpretability Without Tradeoffs: Disentangling Polysemanticity At Equal Predictive Performance
von: Bağcı, Doğukan, et al.
Veröffentlicht: (2026)

Adversarial Training against Location-Optimized Adversarial Patches
von: Rao, Sukrut, et al.
Veröffentlicht: (2020)

Beyond Accuracy: What Matters in Designing Well-Behaved Image Classification Models?
von: Hesse, Robin, et al.
Veröffentlicht: (2025)

FaCT: Faithful Concept Traces for Explaining Neural Network Decisions
von: Parchami-Araghi, Amin, et al.
Veröffentlicht: (2025)

Spatial Reasoners for Continuous Variables in Any Domain
von: Pogodzinski, Bart, et al.
Veröffentlicht: (2025)

Spatial Reasoning with Denoising Models
von: Wewer, Christopher, et al.
Veröffentlicht: (2025)

Test-Time Visual In-Context Tuning
von: Xie, Jiahao, et al.
Veröffentlicht: (2025)

CRITS: Convolutional Rectifier for Interpretable Time Series Classification
von: Kuratomi, Alejandro, et al.
Veröffentlicht: (2025)

What is Missing? Explaining Neurons Activated by Absent Concepts
von: Hesse, Robin, et al.
Veröffentlicht: (2026)

A Stochastic Approach to Classification Error Estimates in Convolutional Neural Networks
von: Peleska, Jan, et al.
Veröffentlicht: (2023)

CFM: Language-aligned Concept Foundation Model for Vision
von: Wittenmayer, Kai, et al.
Veröffentlicht: (2026)

Enabling Vibration-Based Gesture Recognition on Everyday Furniture via Energy-Efficient FPGA Implementation of 1D Convolutional Networks
von: Shibata, Koki, et al.
Veröffentlicht: (2025)

Convolutional Neural Networks for Toxic Comment Classification
von: Georgakopoulos, Spiros V., et al.
Veröffentlicht: (2018)

MEt3R: Measuring Multi-View Consistency in Generated Images
von: Asim, Mohammad, et al.
Veröffentlicht: (2025)

Explaining Deep Convolutional Neural Networks for Image Classification by Evolving Local Interpretable Model-agnostic Explanations
von: Wang, Bin, et al.
Veröffentlicht: (2022)

A Granular Study of Safety Pretraining under Model Abliteration
von: Agnihotri, Shashank, et al.
Veröffentlicht: (2025)

Wavelet Probabilistic Recurrent Convolutional Network for Multivariate Time Series Classification
von: Yang, Pu, et al.
Veröffentlicht: (2025)

Graph Convolutional Network For Semi-supervised Node Classification With Subgraph Sketching
von: Huang, Zibin, et al.
Veröffentlicht: (2024)

Adaptive Structured Pruning of Convolutional Neural Networks for Time Series Classification
von: Abdullayev, Javidan, et al.
Veröffentlicht: (2026)

Biological Plausibility and Representational Alignment of Feedback Alignment in Convolutional Networks
von: Lance, Jake, et al.
Veröffentlicht: (2026)

TokenFormer: Rethinking Transformer Scaling with Tokenized Model Parameters
von: Wang, Haiyang, et al.
Veröffentlicht: (2024)

Hierarchical Attention Network for Interpretable ECG-based Heart Disease Classification
von: Rodriguez, Mario Padilla, et al.
Veröffentlicht: (2025)

AICRN: Attention-Integrated Convolutional Residual Network for Interpretable Electrocardiogram Analysis
von: Jayakody, J. M. I. H., et al.
Veröffentlicht: (2025)

EEG-GMACN: Interpretable EEG Graph Mutual Attention Convolutional Network
von: Ye, Haili, et al.
Veröffentlicht: (2024)

Nonparametric Classification on Low Dimensional Manifolds using Overparameterized Convolutional Residual Networks
von: Zhang, Zixuan, et al.
Veröffentlicht: (2023)

PAC-Bayesian Generalization Bounds for Graph Convolutional Networks on Inductive Node Classification
von: Tang, Huayi, et al.
Veröffentlicht: (2025)

Exploiting Interpretable Capabilities with Concept-Enhanced Diffusion and Prototype Networks
von: Carballo-Castro, Alba, et al.
Veröffentlicht: (2024)

Learning Interpretable Differentiable Logic Networks for Time-Series Classification
von: Yue, Chang, et al.
Veröffentlicht: (2025)

Exploring Kolmogorov-Arnold Networks for Interpretable Time Series Classification
von: Barašin, Irina, et al.
Veröffentlicht: (2024)