Buchumschlag

Explaining Time Series Classification Predictions via Causal Attributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alcaraz, Juan Miguel Lopez, Strodthoff, Nils
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

Abnormality Prediction and Forecasting of Laboratory Values from Electrocardiogram Signals Using Multimodal Deep Learning
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Estimation of Cardiac and Non-cardiac Diagnosis from Electrocardiogram Features
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

CardioLab: Laboratory Values Estimation from Electrocardiogram Features - An Exploratory Study
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Explaining Time Series Classifiers with PHAR: Rule Extraction and Fusion from Post-hoc Attributions
von: Mozolewski, Maciej, et al.
Veröffentlicht: (2025)

Explainable machine learning for neoplasms diagnosis via electrocardiograms: an externally validated study
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Explaining Time Series via Contrastive and Locally Sparse Perturbations
von: Liu, Zichuan, et al.
Veröffentlicht: (2024)

FeatInv: Spatially resolved mapping from feature space to input space using conditional diffusion models
von: Neukirch, Nils, et al.
Veröffentlicht: (2025)

Pretraining Strategies and Scaling for ECG Foundation Models: A Systematic Study
von: Al-Masud, M A, et al.
Veröffentlicht: (2026)

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
von: Li, Xinpeng, et al.
Veröffentlicht: (2025)

Electrocardiogram-based diagnosis of liver diseases: an externally validated and explainable machine learning approach
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Enhancing clinical decision support with physiological waveforms -- a multimodal benchmark in emergency care
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Prospects for AI-Enhanced ECG as a Unified Screening Tool for Cardiac and Non-Cardiac Conditions -- An Explorative Study in Emergency Care
von: Strodthoff, Nils, et al.
Veröffentlicht: (2023)

Explaining the Behavior of Black-Box Prediction Algorithms with Causal Learning
von: Sani, Numair, et al.
Veröffentlicht: (2020)

Predicting Chest Radiograph Findings from Electrocardiograms Using Interpretable Machine Learning
von: Matejas, Julia, et al.
Veröffentlicht: (2025)

Delta-XAI: A Unified Framework for Explaining Prediction Changes in Online Time Series Monitoring
von: Kim, Changhun, et al.
Veröffentlicht: (2025)

Decoupling Pixel Flipping and Occlusion Strategy for Consistent XAI Benchmarks
von: Blücher, Stefan, et al.
Veröffentlicht: (2024)

Causal and Local Correlations Based Network for Multivariate Time Series Classification
von: Du, Mingsen, et al.
Veröffentlicht: (2024)

Helpful or Harmful Data? Fine-tuning-free Shapley Attribution for Explaining Language Model Predictions
von: Wang, Jingtan, et al.
Veröffentlicht: (2024)

Class-Dependent Perturbation Effects in Evaluating Time Series Attributions
von: Baer, Gregor, et al.
Veröffentlicht: (2025)

Inherently Interpretable Time Series Classification via Multiple Instance Learning
von: Early, Joseph, et al.
Veröffentlicht: (2023)

Causal Identification in Time Series Models
von: Jahn, Erik, et al.
Veröffentlicht: (2025)

Intervention-Based Time Series Causal Discovery via Simulator-Generated Interventional Distributions
von: Okita, Tsuyoshi
Veröffentlicht: (2026)

Time Series Domain Adaptation via Latent Invariant Causal Mechanism
von: Cai, Ruichu, et al.
Veröffentlicht: (2025)

Causal Time-Series Synchronization for Multi-Dimensional Forecasting
von: Mayr, Michael, et al.
Veröffentlicht: (2024)

Training and Evaluating Causal Forecasting Models for Time-Series
von: Crasson, Thomas, et al.
Veröffentlicht: (2024)

Causal Ordering for Structure Learning from Time Series
von: Sanchez, Pedro P., et al.
Veröffentlicht: (2025)

Causal Discovery for Irregularly Time Series with Consistency Guarantees
von: Li, Weihong, et al.
Veröffentlicht: (2025)

Progressive Inference: Explaining Decoder-Only Sequence Classification Models Using Intermediate Predictions
von: Kariyappa, Sanjay, et al.
Veröffentlicht: (2024)

InstructTime++: Time Series Classification with Multimodal Language Modeling via Implicit Feature Enhancement
von: Cheng, Mingyue, et al.
Veröffentlicht: (2026)

KairosHope: A Next-Generation Time-Series Foundation Model for Specialized Classification via Dual-Memory Architecture
von: Balderas, Luis, et al.
Veröffentlicht: (2026)

Semi-Periodic Activation for Time Series Classification
von: Júnior, José Gilberto Barbosa de Medeiros, et al.
Veröffentlicht: (2024)

MOSAIC: Module Discovery via Sparse Additive Identifiable Causal Learning for Scientific Time Series
von: Fan, Shicheng, et al.
Veröffentlicht: (2026)

What-If Explanations Over Time: Counterfactuals for Time Series Classification
von: Schlegel, Udo, et al.
Veröffentlicht: (2026)

Leaning Time-Varying Instruments for Identifying Causal Effects in Time-Series Data
von: Cheng, Debo, et al.
Veröffentlicht: (2024)

TimeMKG: Knowledge-Infused Causal Reasoning for Multivariate Time Series Modeling
von: Sun, Yifei, et al.
Veröffentlicht: (2025)

Deconfounded Time Series Forecasting: A Causal Inference Approach
von: Gao, Wentao, et al.
Veröffentlicht: (2024)

Kolmogorov-Arnold Networks for Time Series Granger Causality Inference
von: Liu, Meiliang, et al.
Veröffentlicht: (2025)

Benchmarking ECG FMs: A Reality Check Across Clinical Tasks
von: Al-Masud, M A, et al.
Veröffentlicht: (2025)

Explaining Predictions by Characteristic Rules
von: Alkhatib, Amr, et al.
Veröffentlicht: (2024)

Multi-Modal Time Series Prediction via Mixture of Modulated Experts
von: Zhang, Lige, et al.
Veröffentlicht: (2026)