Buchumschlag

Improving Explainability of Softmax Classifiers Using a Prototype-Based Joint Embedding Method

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sit, Hilarie, Keith, Brendan, Bergen, Karianne
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

Prototype-Based Methods in Explainable AI and Emerging Opportunities in the Geosciences
von: Narayanan, Anushka, et al.
Veröffentlicht: (2024)

Prototype-based Explainable Neural Networks with Channel-specific Reasoning for Geospatial Learning Tasks
von: Narayanan, Anushka, et al.
Veröffentlicht: (2026)

HybridFlow: Quantification of Aleatoric and Epistemic Uncertainty with a Single Hybrid Model
von: Van Katwyk, Peter, et al.
Veröffentlicht: (2025)

Adaptive Sparse Softmax: An Effective and Efficient Softmax Variant
von: Lv, Qi, et al.
Veröffentlicht: (2025)

Logit Dynamics in Softmax Policy Gradient Methods
von: Li, Yingru
Veröffentlicht: (2025)

Classifier Reconstruction Through Counterfactual-Aware Wasserstein Prototypes
von: Zhao, Xuan, et al.
Veröffentlicht: (2025)

CGF-Softmax: A Cumulant-Based Softmax Reformulation for Efficient Inference under Homomorphic Encryption
von: Park, Hanjun, et al.
Veröffentlicht: (2026)

Adaptive Sampled Softmax with Inverted Multi-Index: Methods, Theory and Applications
von: Chen, Jin, et al.
Veröffentlicht: (2025)

A Vulnerability of Attribution Methods Using Pre-Softmax Scores
von: Lerma, Miguel, et al.
Veröffentlicht: (2023)

Softmax as a Lagrangian-Legendrian Seam
von: Lee-Jenkins, Christopher R.
Veröffentlicht: (2025)

Is Softmax Loss All You Need? A Principled Analysis of Softmax-family Loss
von: Pu, Yuanhao, et al.
Veröffentlicht: (2026)

ESMC: MLLM-Based Embedding Selection for Explainable Multiple Clustering
von: Wang, Xinyue, et al.
Veröffentlicht: (2025)

Plug-in Losses for Evidential Deep Learning: A Simplified Framework for Uncertainty Estimation that Includes the Softmax Classifier
von: Hayta, Berk, et al.
Veröffentlicht: (2026)

Deformable ProtoPNet: An Interpretable Image Classifier Using Deformable Prototypes
von: Donnelly, Jon, et al.
Veröffentlicht: (2021)

Vertex-Softmax: Tight Transformer Verification via Exact Softmax Optimization
von: Rezazadeh, Navid, et al.
Veröffentlicht: (2026)

DSL: Understanding and Improving Softmax Recommender Systems with Competition-Aware Scaling
von: Sahyouni, Bucher, et al.
Veröffentlicht: (2026)

Beyond Stationarity: Convergence Analysis of Stochastic Softmax Policy Gradient Methods
von: Klein, Sara, et al.
Veröffentlicht: (2023)

ProtoTS: Learning Hierarchical Prototypes for Explainable Time Series Forecasting
von: Peng, Ziheng, et al.
Veröffentlicht: (2025)

What Does Softmax Probability Tell Us about Classifiers Ranking Across Diverse Test Conditions?
von: Tu, Weijie, et al.
Veröffentlicht: (2024)

Metric Embedding Initialization-Based Differentially Private and Explainable Graph Clustering
von: You, Haochen, et al.
Veröffentlicht: (2025)

A Robust Prototype-Based Network with Interpretable RBF Classifier Foundations
von: Saralajew, Sascha, et al.
Veröffentlicht: (2024)

Prototypical Self-Explainable Models Without Re-training
von: Gautam, Srishti, et al.
Veröffentlicht: (2023)

Explainable Mapper: Charting LLM Embedding Spaces Using Perturbation-Based Explanation and Verification Agents
von: Yan, Xinyuan, et al.
Veröffentlicht: (2025)

Knowledge Distillation Under Ideal Joint Classifier Assumption
von: Li, Huayu, et al.
Veröffentlicht: (2023)

Active Learning and Explainable AI for Multi-Objective Optimization of Spin Coated Polymers
von: Young, Brendan, et al.
Veröffentlicht: (2025)

The Susceptibility of Example-Based Explainability Methods to Class Outliers
von: Nematov, Ikhtiyor, et al.
Veröffentlicht: (2024)

Improving Stability Estimates in Adversarial Explainable AI through Alternate Search Methods
von: Burger, Christopher, et al.
Veröffentlicht: (2025)

Universal Approximation with Softmax Attention
von: Hu, Jerry Yao-Chieh, et al.
Veröffentlicht: (2025)

PSL: Rethinking and Improving Softmax Loss from Pairwise Perspective for Recommendation
von: Yang, Weiqin, et al.
Veröffentlicht: (2024)

Joint Embedding Variational Bayes
von: Oji, Amin, et al.
Veröffentlicht: (2026)

Gumbel-MPNN: Graph Rewiring with Gumbel-Softmax
von: Hoffmann, Marcel, et al.
Veröffentlicht: (2025)

Convergence Rates for Softmax Gating Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2025)

NDCG-Consistent Softmax Approximation with Accelerated Convergence
von: Pu, Yuanhao, et al.
Veröffentlicht: (2025)

Adjacency Spectral Embeddings of Correlation Networks
von: Levin, Keith
Veröffentlicht: (2026)

MCPNet: An Interpretable Classifier via Multi-Level Concept Prototypes
von: Wang, Bor-Shiun, et al.
Veröffentlicht: (2024)

Classifying the Unstructured IT Service Desk Tickets Using Ensemble of Classifiers
von: C, Ramya, et al.
Veröffentlicht: (2021)

Classifying Clinical Outcome of Epilepsy Patients with Ictal Chirp Embeddings
von: Bahador, Nooshin, et al.
Veröffentlicht: (2025)

To Softmax, or not to Softmax: that is the question when applying Active Learning for Transformer Models
von: Gonsior, Julius, et al.
Veröffentlicht: (2022)

XNB: Explainable Class-Specific NaIve-Bayes Classifier
von: Aguilar-Ruiz, Jesus S., et al.
Veröffentlicht: (2024)

Explainable AI for Classifying UTI Risk Groups Using a Real-World Linked EHR and Pathology Lab Dataset
von: Dai, Yujie, et al.
Veröffentlicht: (2024)