Buchumschlag

Robust Counterfactual Explanations in Machine Learning: A Survey

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Junqi, Leofante, Francesco, Rago, Antonio, Toni, Francesca
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Argumentative Ensembling for Robust Recourse under Model Multiplicity
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

Recourse under Model Multiplicity via Argumentative Ensembling (Technical Report)
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Synthesising Counterfactual Explanations via Label-Conditional Gaussian Mixture Variational Autoencoders
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

RobustX: Robust Counterfactual Explanations Made Easy
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

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

Out-of-Distribution Detection using Counterfactual Distance
von: Stoica, Maria, et al.
Veröffentlicht: (2025)

The Impact of Machine Learning Uncertainty on the Robustness of Counterfactual Explanations
von: Christodoulou, Leonidas, et al.
Veröffentlicht: (2026)

Representation Consistency for Accurate and Coherent LLM Answer Aggregation
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

Evaluating Counterfactual Explanation Methods on Incomplete Inputs
von: Leofante, Francesco, et al.
Veröffentlicht: (2026)

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

Explainable Reinforcement Learning for Formula One Race Strategy
von: Thomas, Devin, et al.
Veröffentlicht: (2025)

A Probabilistic Consensus-Driven Approach for Robust Counterfactual Explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Explainable Prediction of the Mechanical Properties of Composites with CNNs
von: Raaghav, Varun, et al.
Veröffentlicht: (2025)

Heterogeneous Graph Neural Networks with Post-hoc Explanations for Multi-modal and Explainable Land Use Inference
von: Zhai, Xuehao, et al.
Veröffentlicht: (2024)

Provably Robust Bayesian Counterfactual Explanations under Model Changes
von: Duell, Jamie, et al.
Veröffentlicht: (2026)

A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2022)

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

Generally-Occurring Model Change for Robust Counterfactual Explanations
von: Xu, Ao, et al.
Veröffentlicht: (2024)

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

Explainable Time Series Prediction of Tyre Energy in Formula One Race Strategy
von: Todd, Jamie, et al.
Veröffentlicht: (2025)

Neuro-Argumentative Learning with Case-Based Reasoning
von: Gould, Adam, et al.
Veröffentlicht: (2025)

Robust Counterfactual Explanations under Model Multiplicity Using Multi-Objective Optimization
von: Kinjo, Keita
Veröffentlicht: (2025)

Interpreting Language Reward Models via Contrastive Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

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

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

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

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

TriShGAN: Enhancing Sparsity and Robustness in Multivariate Time Series Counterfactuals Explanation
von: Ma, Hongnan, et al.
Veröffentlicht: (2025)

Graph Edits for Counterfactual Explanations: A comparative study
von: Dimitriou, Angeliki, et al.
Veröffentlicht: (2024)

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2026)

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

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

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

Deep Backtracking Counterfactuals for Causally Compliant Explanations
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2023)

Counterfactual Scenarios for Automated Planning
von: Gigante, Nicola, et al.
Veröffentlicht: (2025)

DiCE-Extended: A Robust Approach to Counterfactual Explanations in Machine Learning
von: Bakir, Volkan, et al.
Veröffentlicht: (2025)

Shapley-PC: Constraint-based Causal Structure Learning with a Shapley Inspired Framework
von: Russo, Fabrizio, et al.
Veröffentlicht: (2023)