Buchumschlag

AR-Pro: Counterfactual Explanations for Anomaly Repair with Formal Properties

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ji, Xiayan, Xue, Anton, Wong, Eric, Sokolsky, Oleg, Lee, Insup
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

Missingness Bias Calibration in Feature Attribution Explanations
von: Sridhar, Shailesh, et al.
Veröffentlicht: (2026)

DC4L: Distribution Shift Recovery via Data-Driven Control for Deep Learning Models
von: Lin, Vivian, et al.
Veröffentlicht: (2023)

Safety Monitoring for Learning-Enabled Cyber-Physical Systems in Out-of-Distribution Scenarios
von: Lin, Vivian, et al.
Veröffentlicht: (2025)

Distributionally Robust Statistical Verification with Imprecise Neural Networks
von: Dutta, Souradeep, et al.
Veröffentlicht: (2023)

Repairing Learning-Enabled Controllers While Preserving What Works
von: Lu, Pengyuan, et al.
Veröffentlicht: (2023)

Automating Weak Label Generation for Data Programming with Clinicians in the Loop
von: Park, Jean, et al.
Veröffentlicht: (2024)

Credal Bayesian Deep Learning
von: Caprio, Michele, et al.
Veröffentlicht: (2023)

Counterfactual Explanation for Auto-Encoder Based Time-Series Anomaly Detection
von: Srinivasan, Abhishek, et al.
Veröffentlicht: (2025)

Quantifying and Improving Adaptivity in Conformal Prediction through Input Transformations
von: Jang, Sooyong, et al.
Veröffentlicht: (2025)

IBCL: Zero-shot Model Generation under Stability-Plasticity Trade-offs
von: Lu, Pengyuan, et al.
Veröffentlicht: (2023)

Monitor and Recover: A Paradigm for Future Research on Distribution Shift in Learning-Enabled Cyber-Physical Systems
von: Lin, Vivian, et al.
Veröffentlicht: (2025)

Tabular Diffusion Counterfactual Explanations
von: Zhang, Wei, et al.
Veröffentlicht: (2025)

Graph Diffusion Counterfactual Explanation
von: Bechtoldt, David, et al.
Veröffentlicht: (2025)

Global Human-guided Counterfactual Explanations for Molecular Properties via Reinforcement Learning
von: Wang, Danqing, et al.
Veröffentlicht: (2024)

Watermarking Counterfactual Explanations
von: Guo, Hangzhi, et al.
Veröffentlicht: (2024)

ACE: Adapting sampling for Counterfactual Explanations
von: Guerrero, Margarita A., et al.
Veröffentlicht: (2025)

Optimal Transport Group Counterfactual Explanations
von: Valero-Leal, Enrique, et al.
Veröffentlicht: (2026)

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

Counterfactual Explanations for Linear Optimization
von: Kurtz, Jannis, et al.
Veröffentlicht: (2024)

S-CFE: Simple Counterfactual Explanations
von: Sadiku, Shpresim, et al.
Veröffentlicht: (2024)

Plausible Counterfactual Explanations of Recommendations
von: Černý, Jakub, et al.
Veröffentlicht: (2025)

CF-OPT: Counterfactual Explanations for Structured Prediction
von: Vivier-Ardisson, Germain, et al.
Veröffentlicht: (2024)

One-for-many Counterfactual Explanations by Column Generation
von: Lodi, Andrea, et al.
Veröffentlicht: (2024)

DISCOVER: A Solver for Distributional Counterfactual Explanations
von: Gu, Yikai, et al.
Veröffentlicht: (2026)

Motif-guided Time Series Counterfactual Explanations
von: Li, Peiyu, et al.
Veröffentlicht: (2022)

Counterfactual Explanations for k-means and Gaussian Clustering
von: Vardakas, Georgios, 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)

Interval Abstractions for Robust Counterfactual Explanations
von: Jiang, Junqi, 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)

Learning Actionable Counterfactual Explanations in Large State Spaces
von: Naggita, Keziah, et al.
Veröffentlicht: (2024)

Counterfactual Explanations via Riemannian Latent Space Traversal
von: Pegios, Paraskevas, et al.
Veröffentlicht: (2024)

Designing User-Centric Metrics for Evaluation of Counterfactual Explanations
von: Choudhury, Firdaus Ahmed, et al.
Veröffentlicht: (2025)

CONFEX: Uncertainty-Aware Counterfactual Explanations with Conformal Guarantees
von: Bilkhoo, Aman, et al.
Veröffentlicht: (2025)

Interpretable Model-Aware Counterfactual Explanations for Random Forest
von: Harvey, Joshua S., et al.
Veröffentlicht: (2025)

Conservative Perception Models for Probabilistic Verification
von: Cleaveland, Matthew, et al.
Veröffentlicht: (2025)

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

Physics-Guided Counterfactual Explanations for Large-Scale Multivariate Time Series: Application in Scalable and Interpretable SEP Event Prediction
von: Patil, Pranjal, et al.
Veröffentlicht: (2026)

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