Buchumschlag

Deep Backtracking Counterfactuals for Causally Compliant Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kladny, Klaus-Rudolf, von Kügelgen, Julius, Schölkopf, Bernhard, Muehlebach, Michael
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2024)

A Critical Perspective on Finite Sample Conformal Prediction Theory in Medical Applications
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2025)

PENEX: AdaBoost-Inspired Neural Network Regularization
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2025)

Identifiable Causal Representation Learning: Unsupervised, Multi-View, and Multi-Environment
von: von Kügelgen, Julius
Veröffentlicht: (2024)

Adaptive Inverted-Index Routing for Granular Mixtures-of-Experts
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2026)

Causal Component Analysis
von: Wendong, Liang, et al.
Veröffentlicht: (2023)

Transferring Causal Effects using Proxies
von: Iglesias-Alonso, Manuel, et al.
Veröffentlicht: (2025)

A New Approach to Backtracking Counterfactual Explanations: A Unified Causal Framework for Efficient Model Interpretability
von: Fatemi, Pouria, et al.
Veröffentlicht: (2025)

From Pixels to Components: Eigenvector Masking for Visual Representation Learning
von: Bizeul, Alice, et al.
Veröffentlicht: (2025)

Self-Supervised Disentanglement by Leveraging Structure in Data Augmentations
von: Eastwood, Cian, et al.
Veröffentlicht: (2023)

A Sparsity Principle for Partially Observable Causal Representation Learning
von: Xu, Danru, et al.
Veröffentlicht: (2024)

Multi-View Causal Representation Learning with Partial Observability
von: Yao, Dingling, et al.
Veröffentlicht: (2023)

Causality can systematically address the monsters under the bench(marks)
von: Leeb, Felix, et al.
Veröffentlicht: (2025)

Counterfactual reasoning: an analysis of in-context emergence
von: Miller, Moritz, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Deep Learning-Based Traffic Forecasting
von: Wang, Rushan, et al.
Veröffentlicht: (2024)

Identifiable Exchangeable Mechanisms for Causal Structure and Representation Learning
von: Reizinger, Patrik, et al.
Veröffentlicht: (2024)

Natural Counterfactuals With Necessary Backtracking
von: Hao, Guang-Yuan, et al.
Veröffentlicht: (2024)

Learning Nonlinear Causal Reductions to Explain Reinforcement Learning Policies
von: Kekić, Armin, et al.
Veröffentlicht: (2025)

Causal vs. Anticausal merging of predictors
von: Mejia, Sergio Hernan Garrido, et al.
Veröffentlicht: (2025)

Generating Causally Compliant Counterfactual Explanations using ASP
von: Dasgupta, Sopam
Veröffentlicht: (2025)

GCFX: Generative Counterfactual Explanations for Deep Graph Models at the Model Level
von: Hu, Jinlong, et al.
Veröffentlicht: (2026)

Causality Is Key to Understand and Balance Multiple Goals in Trustworthy ML and Foundation Models
von: Binkyte, Ruta, et al.
Veröffentlicht: (2025)

Calibrated Explanations: with Uncertainty Information and Counterfactuals
von: Lofstrom, Helena, et al.
Veröffentlicht: (2023)

Distributional Counterfactual Explanations With Optimal Transport
von: You, Lei, et al.
Veröffentlicht: (2024)

Galaxy Morphology Classification with Counterfactual Explanation
von: Cao, Zhuo, et al.
Veröffentlicht: (2025)

The Effect of Data Poisoning on Counterfactual Explanations
von: Artelt, André, et al.
Veröffentlicht: (2024)

Interval Abstractions for Robust Counterfactual Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

Out-of-Variable Generalization for Discriminative Models
von: Guo, Siyuan, et al.
Veröffentlicht: (2023)

A Probabilistic Model Behind Self-Supervised Learning
von: Bizeul, Alice, et al.
Veröffentlicht: (2024)

Computational Arbitrage in AI Model Markets
von: Olmedo, Ricardo, et al.
Veröffentlicht: (2026)

CFGs: Causality Constrained Counterfactual Explanations using goal-directed ASP
von: Dasgupta, Sopam, et al.
Veröffentlicht: (2024)

Learning Interpretable Concepts: Unifying Causal Representation Learning and Foundation Models
von: Rajendran, Goutham, et al.
Veröffentlicht: (2024)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

Counterfactual Explanations for Continuous Action Reinforcement Learning
von: Dong, Shuyang, et al.
Veröffentlicht: (2025)

On the Hardness of Computing Counterfactual and Semifactual Explanations in XAI
von: Artelt, André, et al.
Veröffentlicht: (2026)

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations
von: Marzari, Luca, et al.
Veröffentlicht: (2024)

Generating Counterfactual Explanations Using Cardinality Constraints
von: Ruiz-Torrubiano, Rubén
Veröffentlicht: (2024)

On the Definition and Detection of Cherry-Picking in Counterfactual Explanations
von: Hinns, James, et al.
Veröffentlicht: (2026)

Flexible Counterfactual Explanations with Generative Models
von: Hellemans, Stig, et al.
Veröffentlicht: (2025)

CoGS: Causality Constrained Counterfactual Explanations using goal-directed ASP
von: Dasgupta, Sopam, et al.
Veröffentlicht: (2024)