Buchumschlag

The Susceptibility of Example-Based Explainability Methods to Class Outliers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nematov, Ikhtiyor, Sacharidis, Dimitris, Sagi, Tomer, Hose, Katja
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

AIDE: Antithetical, Intent-based, and Diverse Example-Based Explanations
von: Nematov, Ikhtiyor, et al.
Veröffentlicht: (2024)

Source Attribution in Retrieval-Augmented Generation
von: Nematov, Ikhtiyor, et al.
Veröffentlicht: (2025)

GLANCE: Global Actions in a Nutshell for Counterfactual Explainability
von: Kavouras, Loukas, et al.
Veröffentlicht: (2024)

FALE: Fairness-Aware ALE Plots for Auditing Bias in Subgroups
von: Giannopoulos, Giorgos, et al.
Veröffentlicht: (2024)

Boundary Peeling: Outlier Detection Method Using One-Class Peeling
von: Arafat, Sheikh, et al.
Veröffentlicht: (2023)

Predicting the Susceptibility of Examples to Catastrophic Forgetting
von: Hacohen, Guy, et al.
Veröffentlicht: (2024)

Machine Learning - Driven Materials Discovery: Unlocking Next-Generation Functional Materials - A review
von: Nematov, Dilshod, et al.
Veröffentlicht: (2025)

A Multimodal and Explainable Machine Learning Approach to Diagnosing Multi-Class Ejection Fraction from Electrocardiograms
von: Ning, Catherine, et al.
Veröffentlicht: (2026)

SPINEX: Similarity-based Predictions with Explainable Neighbors Exploration for Anomaly and Outlier Detection
von: Naser, MZ, et al.
Veröffentlicht: (2024)

Excitation: Momentum For Experts
von: Shaier, Sagi
Veröffentlicht: (2026)

Quantum SMOTE with Angular Outliers: Redefining Minority Class Handling
von: Mohanty, Nishikanta, et al.
Veröffentlicht: (2025)

Generative Example-Based Explanations: Bridging the Gap between Generative Modeling and Explainability
von: Vaeth, Philipp, et al.
Veröffentlicht: (2024)

FoMo X: Modular Explainability Signals for Outlier Detection Foundation Models
von: Klüttermann, Simon, et al.
Veröffentlicht: (2026)

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

Learning to Race in Minutes: Infoprop Dyna on the Mini Wheelbot
von: Subhasish, Devdutt, et al.
Veröffentlicht: (2026)

Comparative Study of Neighbor-based Methods for Local Outlier Detection
von: Qi, Zhuang, et al.
Veröffentlicht: (2024)

Efficient Generation of Hidden Outliers for Improved Outlier Detection
von: Cribeiro-Ramallo, Jose, et al.
Veröffentlicht: (2024)

When and How to Fool Explainable Models (and Humans) with Adversarial Examples
von: Vadillo, Jon, et al.
Veröffentlicht: (2021)

DelTriC: A Novel Clustering Method with Accurate Outlier
von: Javurek, Tomas, et al.
Veröffentlicht: (2025)

Label-Informed Outlier Detection Based on Granule Density
von: Chen, Baiyang, et al.
Veröffentlicht: (2025)

DCFO: Density-Based Counterfactuals for Outliers -- Additional Material
von: Amico, Tommaso, et al.
Veröffentlicht: (2025)

Finding Outliers in Gaussian Model-Based Clustering
von: Clark, Katharine M., et al.
Veröffentlicht: (2019)

The Dimension Strikes Back with Gradients: Generalization of Gradient Methods in Stochastic Convex Optimization
von: Schliserman, Matan, et al.
Veröffentlicht: (2024)

KGLiDS: A Platform for Semantic Abstraction, Linking, and Automation of Data Science
von: Helali, Mossad, et al.
Veröffentlicht: (2023)

Unsupervised Parameter-free Outlier Detection using HDBSCAN* Outlier Profiles
von: Ghosh, Kushankur, et al.
Veröffentlicht: (2024)

Unsupervised Graph Outlier Detection: Problem Revisit, New Insight, and Superior Method
von: Huang, Yihong, et al.
Veröffentlicht: (2022)

Cellwise Outliers
von: Hubert, Mia, et al.
Veröffentlicht: (2026)

Kernel Outlier Detection
von: Dağıdır, Can Hakan, et al.
Veröffentlicht: (2025)

Outlier Detection in Plantar Pressure: Human-Centered Comparison of Statistical Parametric Mapping and Explainable Machine Learning
von: Dindorf, Carlo, et al.
Veröffentlicht: (2025)

Robust Statistical Scaling of Outlier Scores: Improving the Quality of Outlier Probabilities for Outliers (Extended Version)
von: Röchner, Philipp, et al.
Veröffentlicht: (2024)

Alert-ME: An Explainability-Driven Defense Against Adversarial Examples in Transformer-Based Text Classification
von: Sabir, Bushra, et al.
Veröffentlicht: (2023)

Machine Learning for Complex Systems with Abnormal Pattern by Exception Maximization Outlier Detection Method
von: Zhang, Zhikun, et al.
Veröffentlicht: (2024)

Parameter-Adaptive Approximate MPC: Tuning Neural-Network Controllers without Retraining
von: Hose, Henrik, et al.
Veröffentlicht: (2024)

A Pragmatic Method for Comparing Clusterings with Overlaps and Outliers
von: DeWolfe, Ryan, et al.
Veröffentlicht: (2026)

Deep Transductive Outlier Detection
von: Klüttermann, Simon, et al.
Veröffentlicht: (2024)

Long-Term Outlier Prediction Through Outlier Score Modeling
von: Aoki, Yuma, et al.
Veröffentlicht: (2026)

Trajectory-Based Difficulty Scoring for Reliable Learning on Tabular Data
von: Lavi, Tomer, et al.
Veröffentlicht: (2026)

OVOR: OnePrompt with Virtual Outlier Regularization for Rehearsal-Free Class-Incremental Learning
von: Huang, Wei-Cheng, et al.
Veröffentlicht: (2024)

Convergence and Sample Complexity of First-Order Methods for Agnostic Reinforcement Learning
von: Sherman, Uri, et al.
Veröffentlicht: (2025)

Clarifying Model Transparency: Interpretability versus Explainability in Deep Learning with MNIST and IMDB Examples
von: Raj, Mitali
Veröffentlicht: (2025)