Buchumschlag

Revisiting the robustness of post-hoc interpretability methods

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wei, Jiawen, Turbé, Hugues, Mengaldo, Gianmarco
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

Evaluation of post-hoc interpretability methods in time-series classification
von: Turbé, Hugues, et al.
Veröffentlicht: (2022)

Tell me why: Visual foundation models as self-explainable classifiers
von: Turbé, Hugues, et al.
Veröffentlicht: (2025)

eXIAA: eXplainable Injections for Adversarial Attack
von: Pesce, Leonardo, et al.
Veröffentlicht: (2025)

ProtoS-ViT: Visual foundation models for sparse self-explainable classifications
von: Turbé, Hugues, et al.
Veröffentlicht: (2024)

Dynamical errors in machine learning forecasts
von: Fang, Zhou, et al.
Veröffentlicht: (2025)

Explainability matters: The effect of liability rules on the healthcare sector
von: Wei, Jiawen, et al.
Veröffentlicht: (2025)

XAI4Extremes: An interpretable machine learning framework for understanding extreme-weather precursors under climate change
von: Wei, Jiawen, et al.
Veröffentlicht: (2025)

Explainable AI: Learning from the Learners
von: Vinuesa, Ricardo, et al.
Veröffentlicht: (2026)

Explain the Black Box for the Sake of Science: the Scientific Method in the Era of Generative Artificial Intelligence
von: Mengaldo, Gianmarco
Veröffentlicht: (2024)

Granular-ball computing: an efficient, robust, and interpretable adaptive multi-granularity representation and computation method
von: Xia, Shuyin, et al.
Veröffentlicht: (2023)

ClimaEmpact: Domain-Aligned Small Language Models and Datasets for Extreme Weather Analytics
von: Varshney, Deeksha, et al.
Veröffentlicht: (2025)

A redescription mining framework for post-hoc explaining and relating deep learning models
von: Mihelčić, Matej, et al.
Veröffentlicht: (2025)

OmniSapiens: A Foundation Model for Social Behavior Processing via Heterogeneity-Aware Relative Policy Optimization
von: Ong, Keane, et al.
Veröffentlicht: (2026)

Training data membership inference via Gaussian process meta-modeling: a post-hoc analysis approach
von: Huang, Yongchao, et al.
Veröffentlicht: (2025)

In defence of post-hoc explanations in medical AI
von: Hatherley, Joshua, et al.
Veröffentlicht: (2025)

In Defence of Post-hoc Explainability
von: Oh, Nick
Veröffentlicht: (2024)

CondensNet: Enabling stable long-term climate simulations via hybrid deep learning models with adaptive physical constraints
von: Wang, Xin, et al.
Veröffentlicht: (2025)

Rad4XCNN: a new agnostic method for post-hoc global explanation of CNN-derived features by means of radiomics
von: Prinzi, Francesco, et al.
Veröffentlicht: (2024)

Post-hoc Interpretability Illumination for Scientific Interaction Discovery
von: Zhang, Ling, et al.
Veröffentlicht: (2024)

Unlocking Post-hoc Dataset Inference with Synthetic Data
von: Zhao, Bihe, et al.
Veröffentlicht: (2025)

Unifying Post-hoc Explanations of Knowledge Graph Completions
von: Lonardi, Alessandro, et al.
Veröffentlicht: (2025)

Informative Perturbation Selection for Uncertainty-Aware Post-hoc Explanations
von: Chugh, Sumedha, et al.
Veröffentlicht: (2026)

PXGen: A Post-hoc Explainable Method for Generative Models
von: Huang, Yen-Lung, et al.
Veröffentlicht: (2025)

Fuzzy Logic Function as a Post-hoc Explanator of the Nonlinear Classifier
von: Klimo, Martin, et al.
Veröffentlicht: (2024)

Enhanced Generative Model Evaluation with Clipped Density and Coverage
von: Salvy, Nicolas, et al.
Veröffentlicht: (2025)

GICDM: Mitigating Hubness for Reliable Distance-Based Generative Model Evaluation
von: Salvy, Nicolas, et al.
Veröffentlicht: (2026)

SGC-RML: A reliable and interpretable longitudinal assessment for PD in real-world DNS
von: Wei, Wenbin, et al.
Veröffentlicht: (2026)

The future of human-centric eXplainable Artificial Intelligence (XAI) is not post-hoc explanations
von: Swamy, Vinitra, et al.
Veröffentlicht: (2023)

A feature selection method based on Shapley values robust to concept shift in regression
von: Sebastián, Carlos, et al.
Veröffentlicht: (2023)

Convolutional Neural Networks on Graphs with Chebyshev Approximation, Revisited
von: He, Mingguo, et al.
Veröffentlicht: (2022)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

$(ε, u)$-Adaptive Regret Minimization in Heavy-Tailed Bandits
von: Genalti, Gianmarco, et al.
Veröffentlicht: (2023)

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

Explaining Neural Networks in Preference Learning: a Post-hoc Inductive Logic Programming Approach
von: Fossemò, Daniele, et al.
Veröffentlicht: (2026)

Evidential Transformation Network: Turning Pretrained Models into Evidential Models for Post-hoc Uncertainty Estimation
von: Chun, Yongchan, et al.
Veröffentlicht: (2026)

Group-robust Machine Unlearning
von: De Min, Thomas, et al.
Veröffentlicht: (2025)

Revisiting Discrete Soft Actor-Critic
von: Zhou, Haibin, et al.
Veröffentlicht: (2022)

Semantic Geometry for policy-constrained interpretation
von: Phadke, Nikit
Veröffentlicht: (2025)

Transforming gradient-based techniques into interpretable methods
von: Rodrigues, Caroline Mazini, et al.
Veröffentlicht: (2024)

An Ad-hoc graph node vector embedding algorithm for general knowledge graphs using Kinetica-Graph
von: Karamete, B. Kaan, et al.
Veröffentlicht: (2024)