Copertina

Interpretable Concept-Based Memory Reasoning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Debot, David, Barbiero, Pietro, Giannini, Francesco, Ciravegna, Gabriele, Diligenti, Michelangelo, Marra, Giuseppe
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Artificial Intelligence Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Relational Concept Bottleneck Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2023)

Neural Interpretable Reasoning
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

Interpretable Hierarchical Concept Reasoning through Attention-Guided Graph Learning
di: Debot, David, et al.
Pubblicazione: (2025)

Relational Reasoning Networks
di: Marra, Giuseppe, et al.
Pubblicazione: (2021)

Prototype-Grounded Concept Models for Verifiable Concept Alignment
di: Colamonaco, Stefano, et al.
Pubblicazione: (2026)

Quantifying the Accuracy-Interpretability Trade-Off in Concept-Based Sidechannel Models
di: Debot, David, et al.
Pubblicazione: (2025)

Interpretable Neural-Symbolic Concept Reasoning
di: Barbiero, Pietro, et al.
Pubblicazione: (2023)

Mixture of Concept Bottleneck Experts
di: De Santis, Francesco, et al.
Pubblicazione: (2026)

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Towards Better Generalization and Interpretability in Unsupervised Concept-Based Models
di: De Santis, Francesco, et al.
Pubblicazione: (2025)

Actionable Interpretability Must Be Defined in Terms of Symmetries
di: Barbiero, Pietro, et al.
Pubblicazione: (2026)

Causal Concept Graph Models: Beyond Causal Opacity in Deep Learning
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Foundations of Interpretable Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

Grounding Methods for Neural-Symbolic AI
di: Ontiveros, Rodrigo Castellano, et al.
Pubblicazione: (2025)

Linearly-Interpretable Concept Embedding Models for Text Analysis
di: De Santis, Francesco, et al.
Pubblicazione: (2024)

V-CEM: Bridging Performance and Intervenability in Concept-based Models
di: De Santis, Francesco, et al.
Pubblicazione: (2025)

Multitask Kernel-based Learning with Logic Constraints
di: Diligenti, Michelangelo, et al.
Pubblicazione: (2024)

Multitask Kernel-based Learning with First-Order Logic Constraints
di: Diligenti, Michelangelo, et al.
Pubblicazione: (2023)

AnyCBMs: How to Turn Any Black Box into a Concept Bottleneck Model
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Causally Reliable Concept Bottleneck Models
di: De Felice, Giovanni, et al.
Pubblicazione: (2025)

DeepProofLog: Efficient Proving in Deep Stochastic Logic Programs
di: Jiao, Ying, et al.
Pubblicazione: (2025)

Avoiding Leakage Poisoning: Concept Interventions Under Distribution Shifts
di: Zarlenga, Mateo Espinosa, et al.
Pubblicazione: (2025)

Relational Neurosymbolic Markov Models
di: De Smet, Lennert, et al.
Pubblicazione: (2024)

If Concept Bottlenecks are the Question, are Foundation Models the Answer?
di: Debole, Nicola, et al.
Pubblicazione: (2025)

Scalable Evaluation and Neural Models for Compositional Generalization
di: Camposampiero, Giacomo, et al.
Pubblicazione: (2025)

Mathematical Foundation of Interpretable Equivariant Surrogate Models
di: Colombini, Jacopo Joy, et al.
Pubblicazione: (2025)

Leakage and Interpretability in Concept-Based Models
di: Parisini, Enrico, et al.
Pubblicazione: (2025)

Federated Concept-Based Models: Interpretable models with distributed supervision
di: Fenoglio, Dario, et al.
Pubblicazione: (2026)

LICORICE: Label-Efficient Concept-Based Interpretable Reinforcement Learning
di: Ye, Zhuorui, et al.
Pubblicazione: (2024)

Explainable Malware Detection with Tailored Logic Explained Networks
di: Anthony, Peter, et al.
Pubblicazione: (2024)

E-TCAV: Formalizing Penultimate Proxies for Efficient Concept Based Interpretability
di: Aslam, Hasib, et al.
Pubblicazione: (2026)

Logic Explanation of AI Classifiers by Categorical Explaining Functors
di: Fioravanti, Stefano, et al.
Pubblicazione: (2025)

Inducing, Detecting and Characterising Neural Modules: A Pipeline for Functional Interpretability in Reinforcement Learning
di: Soligo, Anna, et al.
Pubblicazione: (2025)

Localized Definitions and Distributed Reasoning: A Proof-of-Concept Mechanistic Interpretability Study via Activation Patching
di: Bahador, Nooshin
Pubblicazione: (2025)

Hierarchical Concept-based Interpretable Models
di: Hill, Oscar, et al.
Pubblicazione: (2026)

Counterfactual Explanations for Clustering Models
di: Spagnol, Aurora, et al.
Pubblicazione: (2024)

The SaTML '24 CNN Interpretability Competition: New Innovations for Concept-Level Interpretability
di: Casper, Stephen, et al.
Pubblicazione: (2024)

Deferring Concept Bottleneck Models: Learning to Defer Interventions to Inaccurate Experts
di: Pugnana, Andrea, et al.
Pubblicazione: (2025)

Interpretability in Deep Time Series Models Demands Semantic Alignment
di: De Felice, Giovanni, et al.
Pubblicazione: (2026)

ConceptCaps: a Distilled Concept Dataset for Interpretability in Music Models
di: Sienkiewicz, Bruno, et al.
Pubblicazione: (2026)