Buchumschlag

T-Explainer: A Model-Agnostic Explainability Framework Based on Gradients

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ortigossa, Evandro S., Dias, Fábio F., Barr, Brian, Silva, Claudio T., Nonato, Luis Gustavo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Seg-MoE: Multi-Resolution Segment-wise Mixture-of-Experts for Time Series Forecasting Transformers
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)

Time Series Information Visualization -- A Review of Approaches and Tools
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2025)

MoHETS: Long-term Time Series Forecasting with Mixture-of-Heterogeneous-Experts
von: Ortigossa, Evandro S., et al.
Veröffentlicht: (2026)

Exploring the Relationship Between Feature Attribution Methods and Model Performance
von: Silva, Priscylla, et al.
Veröffentlicht: (2024)

Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics
von: Munoz, Cristian, et al.
Veröffentlicht: (2023)

MOUNTAINEER: Topology-Driven Visual Analytics for Comparing Local Explanations
von: Solunke, Parikshit, et al.
Veröffentlicht: (2024)

An Explainable Gaussian Process Auto-encoder for Tabular Data
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

Explainable embeddings with Distance Explainer
von: Meijer, Christiaan, et al.
Veröffentlicht: (2025)

AnomalyExplainer Explainable AI for LLM-based anomaly detection using BERTViz and Captum
von: Balasubramanian, Prasasthy, et al.
Veröffentlicht: (2025)

TiVy: Time Series Visual Summary for Scalable Visualization
von: Chan, Gromit Yeuk-Yin, et al.
Veröffentlicht: (2025)

Implet: A Post-hoc Subsequence Explainer for Time Series Models
von: Meng, Fanyu, et al.
Veröffentlicht: (2025)

Factorized Explainer for Graph Neural Networks
von: Huang, Rundong, et al.
Veröffentlicht: (2023)

RouteExplainer: An Explanation Framework for Vehicle Routing Problem
von: Kikuta, Daisuke, et al.
Veröffentlicht: (2024)

DLBacktrace: A Model Agnostic Explainability for any Deep Learning Models
von: Sankarapu, Vinay Kumar, et al.
Veröffentlicht: (2024)

MCCE: Missingness-aware Causal Concept Explainer
von: Gao, Jifan, et al.
Veröffentlicht: (2024)

Axiomatic Explainer Globalness via Optimal Transport
von: Hill, Davin, et al.
Veröffentlicht: (2024)

Robust Explainer Recommendation for Time Series Classification
von: Nguyen, Thu Trang, et al.
Veröffentlicht: (2023)

Boundary-Aware Uncertainty for Feature Attribution Explainers
von: Hill, Davin, et al.
Veröffentlicht: (2022)

Topo-GS: Continuous Volumetric Embedding of High-Dimensional Data via Topological Gaussian Splatting
von: Gois, João Paulo, et al.
Veröffentlicht: (2026)

A Cognitive Explainer for Fetal ultrasound images classifier Based on Medical Concepts
von: Wanga, Yingni, et al.
Veröffentlicht: (2022)

ScoresActivation: A New Activation Function for Model Agnostic Global Explainability by Design
von: Covaci, Emanuel, et al.
Veröffentlicht: (2025)

Gaussian Process Neural Additive Models
von: Zhang, Wei, et al.
Veröffentlicht: (2024)

BetaExplainer: A Probabilistic Method to Explain Graph Neural Networks
von: Sloneker, Whitney, et al.
Veröffentlicht: (2024)

Robust Ante-hoc Graph Explainer using Bilevel Optimization
von: Luong, Kha-Dinh, et al.
Veröffentlicht: (2023)

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

Geometry-Adaptive Explainer for Faithful Dictionary-Based Interpretability under Distribution Shift
von: Lim, Sungjun, et al.
Veröffentlicht: (2026)

COMRECGC: Global Graph Counterfactual Explainer through Common Recourse
von: Fournier, Gregoire, et al.
Veröffentlicht: (2025)

Analyzing Explainer Robustness via Probabilistic Lipschitzness of Prediction Functions
von: Khan, Zulqarnain, et al.
Veröffentlicht: (2022)

CoDy: Counterfactual Explainers for Dynamic Graphs
von: Qu, Zhan, et al.
Veröffentlicht: (2024)

From Model Explanation to Data Misinterpretation: A Cautionary Analysis of Post Hoc Explainers in Business Research
von: Wang, Tong, et al.
Veröffentlicht: (2024)

Building Transparency in Deep Learning-Powered Network Traffic Classification: A Traffic-Explainer Framework
von: Ponraj, Riya, et al.
Veröffentlicht: (2025)

TopoMap++: A faster and more space efficient technique to compute projections with topological guarantees
von: Guardieiro, Vitoria, et al.
Veröffentlicht: (2024)

Tabular Diffusion Counterfactual Explanations
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Gaussian Process Tilted Nonparametric Density Estimation using Fisher Divergence Score Matching
von: Paisley, John, et al.
Veröffentlicht: (2025)

Stochastic Variational Inference with Tuneable Stochastic Annealing
von: Paisley, John, et al.
Veröffentlicht: (2025)

Learning Conformal Explainers for Image Classifiers
von: Alkhatib, Amr, et al.
Veröffentlicht: (2025)

QuXAI: Explainers for Hybrid Quantum Machine Learning Models
von: Barua, Saikat, et al.
Veröffentlicht: (2025)

In-Context Explainers: Harnessing LLMs for Explaining Black Box Models
von: Kroeger, Nicholas, et al.
Veröffentlicht: (2023)

Assessing Large Language Models for Automated Feedback Generation in Learning Programming Problem Solving
von: Silva, Priscylla, et al.
Veröffentlicht: (2025)