:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Early, Joseph, Cheung, Gavin KC, Cutajar, Kurt, Xie, Hanting, Kandola, Jas, Twomey, Niall
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2311.10049
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Benchmarking Counterfactual Interpretability in Deep Learning Models for Time Series Classification
von: Kan, Ziwen, et al.
Veröffentlicht: (2024)

Evaluating Simplification Algorithms for Interpretability of Time Series Classification
von: Håvardstun, Brigt, et al.
Veröffentlicht: (2025)

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

Mechanistic Interpretability for Transformer-based Time Series Classification
von: Kalnāre, Matīss, et al.
Veröffentlicht: (2025)

ST-Tree with Interpretability for Multivariate Time Series Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

Self-Supervised Multiple Instance Learning for Acute Myeloid Leukemia Classification
von: Kazeminia, Salome, et al.
Veröffentlicht: (2024)

MIL-PF: Multiple Instance Learning on Precomputed Features for Mammography Classification
von: Jovišić, Nikola, et al.
Veröffentlicht: (2026)

Inner-Instance Normalization for Time Series Forecasting
von: Jibao, Zipo, et al.
Veröffentlicht: (2025)

Weakly Supervised Vulnerability Localization via Multiple Instance Learning
von: Gu, Wenchao, et al.
Veröffentlicht: (2025)

VCformer: Variable Correlation Transformer with Inherent Lagged Correlation for Multivariate Time Series Forecasting
von: Yang, Yingnan, et al.
Veröffentlicht: (2024)

MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction
von: Tan, Zexi, et al.
Veröffentlicht: (2025)

A Transformer-Based Conditional GAN with Multiple Instance Learning for UAV Signal Detection and Classification
von: Liu, Haochen, et al.
Veröffentlicht: (2025)

LaFiCMIL: Rethinking Large File Classification from the Perspective of Correlated Multiple Instance Learning
von: Sun, Tiezhu, et al.
Veröffentlicht: (2023)

Leveraging Generic Time Series Foundation Models for EEG Classification
von: Gnassounou, Théo, et al.
Veröffentlicht: (2025)

SC-MIL: Sparsely Coded Multiple Instance Learning for Whole Slide Image Classification
von: Qiu, Peijie, et al.
Veröffentlicht: (2023)

Modality vs. Morphology: A Framework for Time Series Classification for Biological Signals
von: Tschida, Jordan, et al.
Veröffentlicht: (2026)

UniCast: A Unified Framework for Instance-Conditioned Multimodal Time-Series Forecasting
von: Park, Sehyuk, et al.
Veröffentlicht: (2025)

DE3S: Dual-Enhanced Soft-Sparse-Shape Learning for Medical Early Time-Series Classification
von: Xie, Tao, et al.
Veröffentlicht: (2025)

Interpretable Machine Learning for Oral Lesion Diagnosis through Prototypical Instances Identification
von: Cascione, Alessio, et al.
Veröffentlicht: (2025)

SAC-MIL: Spatial-Aware Correlated Multiple Instance Learning for Histopathology Whole Slide Image Classification
von: Bai, Yu, et al.
Veröffentlicht: (2025)

Leveraging Gait Patterns as Biomarkers: An attention-guided Deep Multiple Instance Learning Network for Scoliosis Classification
von: Li, Haiqing, et al.
Veröffentlicht: (2025)

Explaining Time Series Classification Predictions via Causal Attributions
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

FreqLens: Interpretable Frequency Attribution for Time Series Forecasting
von: Chen, Chi-Sheng, et al.
Veröffentlicht: (2026)

Applying Quantum Autoencoders for Time Series Anomaly Detection
von: Frehner, Robin, et al.
Veröffentlicht: (2024)

EQ-5D Classification Using Biomedical Entity-Enriched Pre-trained Language Models and Multiple Instance Learning
von: Rostam, Zhyar Rzgar K, et al.
Veröffentlicht: (2026)

Prototype-Guided Classification Sub-Task Decoupling Framework: Enhancing Generalization and Interpretability for Multivariate Time Series
von: Song, Xianhao, et al.
Veröffentlicht: (2026)

PHEATPRUNER: Interpretable Data-centric Feature Selection for Multivariate Time Series Classification through Persistent Homology
von: Pham, Anh-Duy, et al.
Veröffentlicht: (2025)

Training-Free Time Series Classification via In-Context Reasoning with LLM Agents
von: Sui, Songyuan, et al.
Veröffentlicht: (2025)

CCE: Confidence-Consistency Evaluation for Time Series Anomaly Detection
von: Zhong, Zhijie, et al.
Veröffentlicht: (2025)

Guidelines for Augmentation Selection in Contrastive Learning for Time Series Classification
von: Liu, Ziyu, et al.
Veröffentlicht: (2024)

STTS-EAD: Improving Spatio-Temporal Learning Based Time Series Prediction via
von: Liang, Yuanyuan, et al.
Veröffentlicht: (2025)

Towards Interpretable Time Series Foundation Models
von: Boileau, Matthieu, et al.
Veröffentlicht: (2025)

Interpretable Time Series Autoregression for Periodicity Quantification
von: Chen, Xinyu, et al.
Veröffentlicht: (2025)

Correlating Time Series with Interpretable Convolutional Kernels
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

ProtoEFNet: Dynamic Prototype Learning for Inherently Interpretable Ejection Fraction Estimation in Echocardiography
von: Ghamary, Yeganeh, et al.
Veröffentlicht: (2025)

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

Spatial Blindness in Whole-Slide Multiple Instance Learning
von: Li, Xiangyu, et al.
Veröffentlicht: (2026)

On the Feasibility of Vision-Language Models for Time-Series Classification
von: Prithyani, Vinay, et al.
Veröffentlicht: (2024)

Are Inherently Interpretable Models More Robust? A Study In Music Emotion Recognition
von: Hoedt, Katharina, et al.
Veröffentlicht: (2025)

A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting
von: He, Cheng, et al.
Veröffentlicht: (2025)