Buchumschlag

Dataset | Mindset = Explainable AI | Interpretable AI

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Caesar, Buyya, Rajkumar, Li, Yuan Fang, Bouvry, Pascal
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Survey and Taxonomy: The Role of Data-Centric AI in Transformer-Based Time Series Forecasting
von: Xu, Jingjing, et al.
Veröffentlicht: (2024)

Transformer Multivariate Forecasting: Less is More?
von: Xu, Jingjing, et al.
Veröffentlicht: (2023)

A Unified Hyperparameter Optimization Pipeline for Transformer-Based Time Series Forecasting Models
von: Xu, Jingjing, et al.
Veröffentlicht: (2025)

Lightweight Trustworthy Distributed Clustering
von: Li, Hongyang, et al.
Veröffentlicht: (2025)

Trustworthiness of Stochastic Gradient Descent in Distributed Learning
von: Li, Hongyang, et al.
Veröffentlicht: (2024)

Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents
von: V, Arunkumar, et al.
Veröffentlicht: (2026)

Quantum Artificial Intelligence for Mission-Critical Systems: Foundations, Architectural Elements, and Future Directions
von: Sai, Siva, et al.
Veröffentlicht: (2025)

Brain-inspired AI for Edge Intelligence: a systematic review
von: Cheng, Yingchao, et al.
Veröffentlicht: (2026)

Training Green AI Models Using Elite Samples
von: Alswaitti, Mohammed, et al.
Veröffentlicht: (2024)

Hyperparameter Optimization of Constraint Programming Solvers
von: Haddad, Hedieh, et al.
Veröffentlicht: (2026)

Transparent AI: The Case for Interpretability and Explainability
von: Ramachandram, Dhanesh, et al.
Veröffentlicht: (2025)

Security in the Fine-Tuning Lifecycle of Large Language Models: Threats, Defenses,Evaluation, and Future Directions
von: Li, Wenjuan, et al.
Veröffentlicht: (2026)

Towards Unified Attribution in Explainable AI, Data-Centric AI, and Mechanistic Interpretability
von: Zhang, Shichang, et al.
Veröffentlicht: (2025)

Interpretable Representations in Explainable AI: From Theory to Practice
von: Sokol, Kacper, et al.
Veröffentlicht: (2020)

On the Relationship Between Interpretability and Explainability in Machine Learning
von: Leblanc, Benjamin, et al.
Veröffentlicht: (2023)

Demystifying Reinforcement Learning in Production Scheduling via Explainable AI
von: Fischer, Daniel, et al.
Veröffentlicht: (2024)

Distilling Deep Reinforcement Learning into Interpretable Fuzzy Rules: An Explainable AI Framework
von: Araballi, Sanup S., et al.
Veröffentlicht: (2026)

Input-Based Ensemble-Learning Method for Dynamic Memory Configuration of Serverless Computing Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2024)

On-demand Cold Start Frequency Reduction with Off-Policy Reinforcement Learning in Serverless Computing
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2023)

A Deep Recurrent-Reinforcement Learning Method for Intelligent AutoScaling of Serverless Functions
von: Agarwal, Siddharth, et al.
Veröffentlicht: (2023)

Need of AI in Modern Education: in the Eyes of Explainable AI (xAI)
von: Manna, Supriya, et al.
Veröffentlicht: (2024)

Addressing Explainability of Generative AI using SMILE (Statistical Model-agnostic Interpretability with Local Explanations)
von: Dehghani, Zeinab
Veröffentlicht: (2026)

EXPLICATE: Enhancing Phishing Detection through Explainable AI and LLM-Powered Interpretability
von: Lim, Bryan, et al.
Veröffentlicht: (2025)

Interpretable and Explainable Surrogate Modeling for Simulations: A State-of-the-Art Survey and Perspectives on Explainable AI for Decision-Making
von: Palar, Pramudita Satria, et al.
Veröffentlicht: (2026)

Integration of Explainable AI Techniques with Large Language Models for Enhanced Interpretability for Sentiment Analysis
von: Thogesan, Thivya, et al.
Veröffentlicht: (2025)

Defining Explainable AI for Requirements Analysis
von: Sheh, Raymond, et al.
Veröffentlicht: (2026)

MADQRL: Distributed Quantum Reinforcement Learning Framework for Multi-Agent Environments
von: Sawaika, Abhishek, et al.
Veröffentlicht: (2026)

Chain of Mindset: Reasoning with Adaptive Cognitive Modes
von: Jiang, Tianyi, et al.
Veröffentlicht: (2026)

From Black Box to Transparency: Enhancing Automated Interpreting Assessment with Explainable AI in College Classrooms
von: Jiang, Zhaokun, et al.
Veröffentlicht: (2025)

Stabilising Explainability Fragility in Cybersecurity AI: The Impact and Mitigation of Multicollinearity in Public Benchmark Datasets
von: Vourganas, Ioannis J., et al.
Veröffentlicht: (2026)

Conversational Explanations: Discussing Explainable AI with Non-AI Experts
von: Zhang, Tong, et al.
Veröffentlicht: (2025)

The Dead Salmons of AI Interpretability
von: Méloux, Maxime, et al.
Veröffentlicht: (2025)

Explainable AI needs formalization
von: Haufe, Stefan, et al.
Veröffentlicht: (2024)

LLM Driven Processes to Foster Explainable AI
von: Pehlke, Marcel, et al.
Veröffentlicht: (2025)

Explainable AI the Latest Advancements and New Trends
von: Long, Bowen, et al.
Veröffentlicht: (2025)

Towards Interpretable End-Stage Renal Disease (ESRD) Prediction: Utilizing Administrative Claims Data with Explainable AI Techniques
von: Li, Yubo, et al.
Veröffentlicht: (2024)

Infrastructure for AI Agents
von: Chan, Alan, et al.
Veröffentlicht: (2025)

Evaluating Explainability: A Framework for Systematic Assessment and Reporting of Explainable AI Features
von: Lago, Miguel A., et al.
Veröffentlicht: (2025)

BEExAI: Benchmark to Evaluate Explainable AI
von: Sithakoul, Samuel, et al.
Veröffentlicht: (2024)

AI4OPT: AI Institute for Advances in Optimization
von: Van Hentenryck, Pascal, et al.
Veröffentlicht: (2023)