Buchumschlag

Exploring Nutritional Impact on Alzheimer's Mortality: An Explainable AI Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Ziming, Liu, Longjian, Heidel, Robert E., Zhao, Xiaopeng
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

Nutritional influences on Alzheimer’s disease: Insights from transformer models and explainable AI
von: Ziming Liu, et al.
Veröffentlicht: (2024)

Explainable AI for Fair Sepsis Mortality Predictive Model
von: Chang, Chia-Hsuan, et al.
Veröffentlicht: (2024)

Do Two AI Scientists Agree?
von: Fu, Xinghong, et al.
Veröffentlicht: (2025)

Are Your Reasoning Models Reasoning or Guessing? A Mechanistic Analysis of Hierarchical Reasoning Models
von: Ren, Zirui, et al.
Veröffentlicht: (2026)

Explainability of Complex AI Models with Correlation Impact Ratio
von: Sengupta, Poushali, et al.
Veröffentlicht: (2026)

HyperSMOTE: A Hypergraph-based Oversampling Approach for Imbalanced Node Classifications
von: Zhao, Ziming, et al.
Veröffentlicht: (2024)

Stabilising Explainability Fragility in Cybersecurity AI: The Impact and Mitigation of Multicollinearity in Public Benchmark Datasets
von: Vourganas, Ioannis J., et al.
Veröffentlicht: (2026)

Exploring the Plausibility of Hate and Counter Speech Detectors with Explainable AI
von: Böck, Adrian Jaques, et al.
Veröffentlicht: (2024)

Explainable AI needs formalization
von: Haufe, Stefan, et al.
Veröffentlicht: (2024)

Exploring Machine Learning, Deep Learning, and Explainable AI Methods for Seasonal Precipitation Prediction in South America
von: Domingos, Matheus Corrêa, et al.
Veröffentlicht: (2025)

Universal One-third Time Scaling in Learning Peaked Distributions
von: Liu, Yizhou, et al.
Veröffentlicht: (2026)

Iterative Refinement Neural Operators are Learned Fixed-Point Solvers: A Principled Approach to Spectral Bias Mitigation
von: Liu, Xiaotian, et al.
Veröffentlicht: (2026)

Thermodynamic-Inspired Explainable GeoAI: Uncovering Regime-Dependent Mechanisms in Heterogeneous Spatial Systems
von: Lim, Sooyoung, et al.
Veröffentlicht: (2026)

Explainable AI for Correct Root Cause Analysis of Product Quality in Injection Moulding
von: Muaz, Muhammad, et al.
Veröffentlicht: (2025)

AI-Driven Predictive Analytics Approach for Early Prognosis of Chronic Kidney Disease Using Ensemble Learning and Explainable AI
von: Jawad, K M Tawsik, et al.
Veröffentlicht: (2024)

An Explainable AI Framework for Dynamic Resource Management in Vehicular Network Slicing
von: Sun, Haochen, et al.
Veröffentlicht: (2025)

Verifying Machine Unlearning with Explainable AI
von: Vidal, Àlex Pujol, et al.
Veröffentlicht: (2024)

Rethinking Explainability in the Era of Multimodal AI
von: Agarwal, Chirag
Veröffentlicht: (2025)

Explainable AI For Early Detection Of Sepsis
von: Thakur, Atharva, et al.
Veröffentlicht: (2025)

Enhancing SHAP Explainability for Diagnostic and Prognostic ML Models in Alzheimer Disease
von: Guillén, Pablo, et al.
Veröffentlicht: (2026)

Explainable AI for Predicting and Understanding Mathematics Achievement: A Cross-National Analysis of PISA 2018
von: Liu, Liu, et al.
Veröffentlicht: (2025)

A Comprehensive Guide to Explainable AI: From Classical Models to LLMs
von: Hsieh, Weiche, et al.
Veröffentlicht: (2024)

Superposition Yields Robust Neural Scaling
von: Liu, Yizhou, et al.
Veröffentlicht: (2025)

Using a Convolutional Neural Network and Explainable AI to Diagnose Dementia Based on MRI Scans
von: Morris, Tyler, et al.
Veröffentlicht: (2024)

Explainable AI for Comparative Analysis of Intrusion Detection Models
von: Corea, Pap M., et al.
Veröffentlicht: (2024)

Analyzing the Impact of Adversarial Examples on Explainable Machine Learning
von: Devabhakthini, Prathyusha, et al.
Veröffentlicht: (2023)

Towards Adversarially Robust Deep Metric Learning
von: Ke, Xiaopeng
Veröffentlicht: (2025)

Guided Game Level Repair via Explainable AI
von: Bazzaz, Mahsa, et al.
Veröffentlicht: (2024)

Neuro-Symbolic AI: Explainability, Challenges, and Future Trends
von: Zhang, Xin, et al.
Veröffentlicht: (2024)

Root Causing Prediction Anomalies Using Explainable AI
von: Vishnampet, Ramanathan, et al.
Veröffentlicht: (2024)

ExECG: An Explainable AI Framework for ECG models
von: Jang, Jong-Hwan, et al.
Veröffentlicht: (2026)

Compressing Deep Neural Networks Using Explainable AI
von: Soroush, Kimia, et al.
Veröffentlicht: (2025)

An Explainable AI based approach for Monitoring Animal Health
von: Jana, Rahul, et al.
Veröffentlicht: (2025)

Correlation-Aware Feature Attribution Based Explainable AI
von: Sengupta, Poushali, et al.
Veröffentlicht: (2025)

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

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

BERT-Based Approach for Automating Course Articulation Matrix Construction with Explainable AI
von: Shiferaw, Natenaile Asmamaw, et al.
Veröffentlicht: (2024)

R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression
von: Zhao, Kun, et al.
Veröffentlicht: (2025)

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

Exploring Feature Importance and Explainability Towards Enhanced ML-Based DoS Detection in AI Systems
von: Yakubu, Paul Badu, et al.
Veröffentlicht: (2024)