Buchumschlag

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Stępka, Ignacy, Lango, Mateusz, Stefanowski, Jerzy
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

A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Explaining Concept Drift through the Evolution of Group Counterfactuals
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

A Probabilistic Consensus-Driven Approach for Robust Counterfactual Explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

The Problem of Coherence in Natural Language Explanations of Recommendations
von: Raczyński, Jakub, et al.
Veröffentlicht: (2023)

Investigating the Relationship Between Debiasing and Artifact Removal using Saliency Maps
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2025)

DetoxAI: a Python Toolkit for Debiasing Deep Learning Models in Computer Vision
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

Rigorous Probabilistic Guarantees for Robust Counterfactual Explanations
von: Marzari, Luca, et al.
Veröffentlicht: (2024)

Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels
von: Furman, Oleksii, et al.
Veröffentlicht: (2024)

Robust Counterfactual Explanations for Neural Networks With Probabilistic Guarantees
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

Counterfactual Explanations Under Concept Drift
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Provably Robust Bayesian Counterfactual Explanations under Model Changes
von: Duell, Jamie, et al.
Veröffentlicht: (2026)

Generally-Occurring Model Change for Robust Counterfactual Explanations
von: Xu, Ao, et al.
Veröffentlicht: (2024)

ASTE Transformer Modelling Dependencies in Aspect-Sentiment Triplet Extraction
von: Naglik, Iwo, et al.
Veröffentlicht: (2024)

Mitigating Persistent Client Dropout in Asynchronous Decentralized Federated Learning
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Interval Abstractions for Robust Counterfactual Explanations
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

RobustX: Robust Counterfactual Explanations Made Easy
von: Jiang, Junqi, et al.
Veröffentlicht: (2025)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

A-PETE: Adaptive Prototype Explanations of Tree Ensembles
von: Karolczak, Jacek, et al.
Veröffentlicht: (2024)

Towards Differentiating Between Failures and Domain Shifts in Industrial Data Streams
von: Wojak-Strzelecka, Natalia, et al.
Veröffentlicht: (2026)

Robust Counterfactual Explanations in Machine Learning: A Survey
von: Jiang, Junqi, et al.
Veröffentlicht: (2024)

The Impact of Machine Learning Uncertainty on the Robustness of Counterfactual Explanations
von: Christodoulou, Leonidas, et al.
Veröffentlicht: (2026)

Alike Parts: A Feature-Informed Approach to Local and Global Prototype Explanations
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

Robust Counterfactual Explanations under Model Multiplicity Using Multi-Objective Optimization
von: Kinjo, Keita
Veröffentlicht: (2025)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

Flexible Counterfactual Explanations with Generative Models
von: Hellemans, Stig, et al.
Veröffentlicht: (2025)

Counterfactual Training: Teaching Models Plausible and Actionable Explanations
von: Altmeyer, Patrick, et al.
Veröffentlicht: (2026)

Counterfactual Probabilistic Diffusion with Expert Models
von: Mu, Wenhao, et al.
Veröffentlicht: (2025)

Distributional Counterfactual Explanations With Optimal Transport
von: You, Lei, et al.
Veröffentlicht: (2024)

The Effect of Data Poisoning on Counterfactual Explanations
von: Artelt, André, et al.
Veröffentlicht: (2024)

Calibrated Explanations: with Uncertainty Information and Counterfactuals
von: Lofstrom, Helena, et al.
Veröffentlicht: (2023)

Galaxy Morphology Classification with Counterfactual Explanation
von: Cao, Zhuo, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Clustering Models
von: Spagnol, Aurora, et al.
Veröffentlicht: (2024)

TriShGAN: Enhancing Sparsity and Robustness in Multivariate Time Series Counterfactuals Explanation
von: Ma, Hongnan, et al.
Veröffentlicht: (2025)

GCFX: Generative Counterfactual Explanations for Deep Graph Models at the Model Level
von: Hu, Jinlong, et al.
Veröffentlicht: (2026)

Generating Counterfactual Explanations Using Cardinality Constraints
von: Ruiz-Torrubiano, Rubén
Veröffentlicht: (2024)

Counterfactual Explanations for Continuous Action Reinforcement Learning
von: Dong, Shuyang, et al.
Veröffentlicht: (2025)

On the Hardness of Computing Counterfactual and Semifactual Explanations in XAI
von: Artelt, André, et al.
Veröffentlicht: (2026)

On the Definition and Detection of Cherry-Picking in Counterfactual Explanations
von: Hinns, James, et al.
Veröffentlicht: (2026)

Deep Backtracking Counterfactuals for Causally Compliant Explanations
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2023)