:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Knab, Patrick, Marton, Sascha, Bartelt, Christian, Fuder, Robert
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	https://arxiv.org/abs/2409.01713
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Which LIME should I trust? Concepts, Challenges, and Solutions
di: Knab, Patrick, et al.
Pubblicazione: (2025)

Beyond Pixels: Enhancing LIME with Hierarchical Features and Segmentation Foundation Models
di: Knab, Patrick, et al.
Pubblicazione: (2024)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
di: Tschalzev, Andrej, et al.
Pubblicazione: (2024)

Explaining Neural Networks without Access to Training Data
di: Marton, Sascha, et al.
Pubblicazione: (2022)

GradTree: Learning Axis-Aligned Decision Trees with Gradient Descent
di: Marton, Sascha, et al.
Pubblicazione: (2023)

Disentangling Exploration of Large Language Models by Optimal Exploitation
di: Grams, Tim, et al.
Pubblicazione: (2025)

GRANDE: Gradient-Based Decision Tree Ensembles for Tabular Data
di: Marton, Sascha, et al.
Pubblicazione: (2023)

Decoding Latent Spaces: Assessing the Interpretability of Time Series Foundation Models for Visual Analytics
di: Santamaria-Valenzuela, Inmaculada, et al.
Pubblicazione: (2025)

PHEATPRUNER: Interpretable Data-centric Feature Selection for Multivariate Time Series Classification through Persistent Homology
di: Pham, Anh-Duy, et al.
Pubblicazione: (2025)

Heteroscedastic Temporal Variational Autoencoder For Irregular Time Series
di: Shukla, Satya Narayan, et al.
Pubblicazione: (2021)

Beyond Either-Or Reasoning: Transduction and Induction as Cooperative Problem-Solving Paradigms
di: Zenkner, Janis, et al.
Pubblicazione: (2025)

Concepts in Motion: Temporal Concept Bottleneck Model for Interpretable Video Classification
di: Knab, Patrick, et al.
Pubblicazione: (2025)

DCBM: Data-Efficient Visual Concept Bottleneck Models
di: Prasse, Katharina, et al.
Pubblicazione: (2024)

Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit
di: Jiang, Nick, et al.
Pubblicazione: (2025)

AVATAR: Adversarial Autoencoders with Autoregressive Refinement for Time Series Generation
di: EskandariNasab, MohammadReza, et al.
Pubblicazione: (2025)

Transforming Multidimensional Time Series into Interpretable Event Sequences for Advanced Data Mining
di: Yan, Xu, et al.
Pubblicazione: (2024)

Decoding Dark Matter: Specialized Sparse Autoencoders for Interpreting Rare Concepts in Foundation Models
di: Muhamed, Aashiq, et al.
Pubblicazione: (2024)

Correlating Time Series with Interpretable Convolutional Kernels
di: Chen, Xinyu, et al.
Pubblicazione: (2024)

Interpretable Time Series Autoregression for Periodicity Quantification
di: Chen, Xinyu, et al.
Pubblicazione: (2025)

Clustering Time Series Data with Gaussian Mixture Embeddings in a Graph Autoencoder Framework
di: Afzali, Amirabbas, et al.
Pubblicazione: (2024)

Interpretable Pre-Trained Transformers for Heart Time-Series Data
di: Davies, Harry J., et al.
Pubblicazione: (2024)

TimePerceiver: An Encoder-Decoder Framework for Generalized Time-Series Forecasting
di: Lee, Jaebin, et al.
Pubblicazione: (2025)

A Unified Frequency Domain Decomposition Framework for Interpretable and Robust Time Series Forecasting
di: He, Cheng, et al.
Pubblicazione: (2025)

Unsupervised Event Outlier Detection in Continuous Time
di: Nath, Somjit, et al.
Pubblicazione: (2024)

Rethinking Evaluation in the Era of Time Series Foundation Models: (Un)known Information Leakage Challenges
di: Meyer, Marcel, et al.
Pubblicazione: (2025)

ST-Tree with Interpretability for Multivariate Time Series Classification
di: Du, Mingsen, et al.
Pubblicazione: (2024)

Evaluating Simplification Algorithms for Interpretability of Time Series Classification
di: Håvardstun, Brigt, et al.
Pubblicazione: (2025)

CRITS: Convolutional Rectifier for Interpretable Time Series Classification
di: Kuratomi, Alejandro, et al.
Pubblicazione: (2025)

Mechanistic Interpretability for Transformer-based Time Series Classification
di: Kalnāre, Matīss, et al.
Pubblicazione: (2025)

IRDS: Interpretable RLVR Data Selection via Verifier-Coupled Sparse Autoencoder Coverage
di: Li, Yuhan, et al.
Pubblicazione: (2026)

Explanation Space: A New Perspective into Time Series Interpretability
di: Rezaei, Shahbaz, et al.
Pubblicazione: (2024)

Diffusion-TS: Interpretable Diffusion for General Time Series Generation
di: Yuan, Xinyu, et al.
Pubblicazione: (2024)

PatchDecomp: Interpretable Patch-Based Time Series Forecasting
di: Tomioka, Hiroki, et al.
Pubblicazione: (2026)

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

Tabular Data Adapters: Improving Outlier Detection for Unlabeled Private Data
di: Herurkar, Dayananda, et al.
Pubblicazione: (2025)

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

Kolmogorov-Arnold Networks for Time Series: Bridging Predictive Power and Interpretability
di: Xu, Kunpeng, et al.
Pubblicazione: (2024)

Interpretable Time Series Models for Wastewater Modeling in Combined Sewer Overflows
di: Chiaburu, Teodor, et al.
Pubblicazione: (2024)

Benchmarking Counterfactual Interpretability in Deep Learning Models for Time Series Classification
di: Kan, Ziwen, et al.
Pubblicazione: (2024)

EDformer: Embedded Decomposition Transformer for Interpretable Multivariate Time Series Predictions
di: Chakraborty, Sanjay, et al.
Pubblicazione: (2024)