Copertina

Data Science Principles for Interpretable and Explainable AI

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Sankaran, Kris
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
di: Zhang, Shichang, et al.
Pubblicazione: (2025)

Transparent AI: The Case for Interpretability and Explainability
di: Ramachandram, Dhanesh, et al.
Pubblicazione: (2025)

Interpretable Representations in Explainable AI: From Theory to Practice
di: Sokol, Kacper, et al.
Pubblicazione: (2020)

Explainable AI in Big Data Fraud Detection
di: Jain, Ayush, et al.
Pubblicazione: (2025)

Detecting Cybersecurity Threats by Integrating Explainable AI with SHAP Interpretability and Strategic Data Sampling
di: Srisumrith, Norrakith, et al.
Pubblicazione: (2026)

Data Selection: A General Principle for Building Small Interpretable Models
di: Ghose, Abhishek
Pubblicazione: (2022)

Data Interpreter: An LLM Agent For Data Science
di: Hong, Sirui, et al.
Pubblicazione: (2024)

Data Science with LLMs and Interpretable Models
di: Bordt, Sebastian, et al.
Pubblicazione: (2024)

Multi-Species Object Detection in Drone Imagery for Population Monitoring of Endangered Animals
di: Sankaran, Sowmya
Pubblicazione: (2024)

Interpretable and Explainable Surrogate Modeling for Simulations: A State-of-the-Art Survey and Perspectives on Explainable AI for Decision-Making
di: Palar, Pramudita Satria, et al.
Pubblicazione: (2026)

Explanations Go Linear: Post-hoc Explainability for Tabular Data with Interpretable Meta-Encoding
di: Piaggesi, Simone, et al.
Pubblicazione: (2025)

Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques
di: Li, Yubo, et al.
Pubblicazione: (2024)

Explainable AI Using Inherently Interpretable Components for Wearable-based Health Monitoring
di: Kuschel, Maurice, et al.
Pubblicazione: (2026)

AUTOLYCUS: Exploiting Explainable AI (XAI) for Model Extraction Attacks against Interpretable Models
di: Oksuz, Abdullah Caglar, et al.
Pubblicazione: (2023)

Unifying Interpretability and Explainability for Alzheimer's Disease Progression Prediction
di: Ali, Raja Farrukh, et al.
Pubblicazione: (2024)

Seeking Interpretability and Explainability in Binary Activated Neural Networks
di: Leblanc, Benjamin, et al.
Pubblicazione: (2022)

Towards Principled Evaluations of Sparse Autoencoders for Interpretability and Control
di: Makelov, Aleksandar, et al.
Pubblicazione: (2024)

Four Principles for Physically Interpretable World Models
di: Peper, Jordan, et al.
Pubblicazione: (2025)

Explainable, Interpretable & Trustworthy AI for Intelligent Digital Twin: Case Study on Remaining Useful Life
di: Kobayashi, Kazuma, et al.
Pubblicazione: (2023)

Towards Understanding Sensitive and Decisive Patterns in Explainable AI: A Case Study of Model Interpretation in Geometric Deep Learning
di: Zhu, Jiajun, et al.
Pubblicazione: (2024)

Model Interpretation and Explainability: Towards Creating Transparency in Prediction Models
di: Kridel, Donald, et al.
Pubblicazione: (2024)

Pushing the Boundaries of Interpretability: Incremental Enhancements to the Explainable Boosting Machine
di: Liyanage, Isara, et al.
Pubblicazione: (2025)

Adaptive Circuit Behavior and Generalization in Mechanistic Interpretability
di: Nainani, Jatin, et al.
Pubblicazione: (2024)

On the Relationship Between Interpretability and Explainability in Machine Learning
di: Leblanc, Benjamin, et al.
Pubblicazione: (2023)

Investigating the Duality of Interpretability and Explainability in Machine Learning
di: Garouani, Moncef, et al.
Pubblicazione: (2025)

Comparing Post-Hoc Explainable AI Methods for Interpreting Black-Box EEG Models in Depression Detection
di: Šarčević, Antonia, et al.
Pubblicazione: (2026)

Efficient Automatic Tuning for Data-driven Model Predictive Control via Meta-Learning
di: Li, Baoyu, et al.
Pubblicazione: (2024)

Position: Explainable AI is Causality in Disguise
di: Karimi, Amir-Hossein
Pubblicazione: (2026)

Explainable AI in Spatial Analysis
di: Li, Ziqi
Pubblicazione: (2025)

Privacy Implications of Explainable AI in Data-Driven Systems
di: Ezzeddine, Fatima
Pubblicazione: (2024)

An Explainable and Interpretable Composite Indicator Based on Decision Rules
di: Corrente, Salvatore, et al.
Pubblicazione: (2025)

What's Wrong with Your Synthetic Tabular Data? Using Explainable AI to Evaluate Generative Models
di: Kapar, Jan, et al.
Pubblicazione: (2025)

CARE-ECG: Causal Agent-based Reasoning for Explainable and Counterfactual ECG Interpretation
di: Khatibi, Elahe, et al.
Pubblicazione: (2026)

Finding the right XAI method -- A Guide for the Evaluation and Ranking of Explainable AI Methods in Climate Science
di: Bommer, Philine, et al.
Pubblicazione: (2023)

Unveiling The Factors of Aesthetic Preferences with Explainable AI
di: Soydaner, Derya, et al.
Pubblicazione: (2023)

Explainable AI for microseismic event detection
di: Abdullin, Ayrat, et al.
Pubblicazione: (2025)

Explainable AI needs formalization
di: Haufe, Stefan, et al.
Pubblicazione: (2024)

Accurate, Efficient, and Explainable Deep Learning Approaches for Environmental Science Problems
di: Shi, Jimeng
Pubblicazione: (2026)

Knowledge-Augmented Explainable and Interpretable Learning for Anomaly Detection and Diagnosis
di: Atzmueller, Martin, et al.
Pubblicazione: (2024)

Empowering Interdisciplinary Research with BERT-Based Models: An Approach Through SciBERT-CNN with Topic Modeling
di: Likhareva, Darya, et al.
Pubblicazione: (2024)