Copertina

Mathematical Foundation of Interpretable Equivariant Surrogate Models

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Colombini, Jacopo Joy, Bonchi, Filippo, Giannini, Francesco, Giannotti, Fosca, Pellungrini, Roberto, Frosini, Patrizio
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Comparing Explanations is Not Enough, Explain the Change: New Standards are Needed to Explain Behavioral Shifts in Large Language Models
di: Ciaperoni, Martino, et al.
Pubblicazione: (2026)

Interpretable and Fair Mechanisms for Abstaining Classifiers
di: Lenders, Daphne, et al.
Pubblicazione: (2025)

AI, Meet Human: Learning Paradigms for Hybrid Decision Making Systems
di: Punzi, Clara, et al.
Pubblicazione: (2024)

An Algebraic Representation Theorem for Linear GENEOs in Geometric Machine Learning
di: Conti, Francesco, et al.
Pubblicazione: (2026)

Actionable Interpretability Must Be Defined in Terms of Symmetries
di: Barbiero, Pietro, et al.
Pubblicazione: (2026)

A Survey on Graph Counterfactual Explanations: Definitions, Methods, Evaluation, and Research Challenges
di: Prado-Romero, Mario Alfonso, et al.
Pubblicazione: (2022)

Deferring Concept Bottleneck Models: Learning to Defer Interventions to Inaccurate Experts
di: Pugnana, Andrea, et al.
Pubblicazione: (2025)

GENEOnet: A new machine learning paradigm based on Group Equivariant Non-Expansive Operators. An application to protein pocket detection
di: Bocchi, Giovanni, et al.
Pubblicazione: (2022)

One-Shot Clustering for Federated Learning
di: Zuziak, Maciej Krzysztof, et al.
Pubblicazione: (2025)

One-Shot Clustering for Federated Learning Under Clustering-Agnostic Assumption
di: Zuziak, Maciej Krzysztof, et al.
Pubblicazione: (2025)

Symmetry in the Wild: The Role of Equivariance in Neural Fluid Surrogates
di: Rygiel, Patryk, et al.
Pubblicazione: (2026)

GENEOnet: Statistical analysis supporting explainability and trustworthiness
di: Bocchi, Giovanni, et al.
Pubblicazione: (2025)

Interpretable Concept-Based Memory Reasoning
di: Debot, David, et al.
Pubblicazione: (2024)

Engagement-Driven Content Generation with Large Language Models
di: Coppolillo, Erica, et al.
Pubblicazione: (2024)

Learning To Explore With Predictive World Model Via Self-Supervised Learning
di: Santana, Alana, et al.
Pubblicazione: (2025)

Surrogate Fitness Metrics for Interpretable Reinforcement Learning
di: Altmann, Philipp, et al.
Pubblicazione: (2025)

Surrogate Interpretable Graph for Random Decision Forests
di: Dubey, Akshat, et al.
Pubblicazione: (2025)

Explanations Go Linear: Post-hoc Explainability for Tabular Data with Interpretable Meta-Encoding
di: Piaggesi, Simone, et al.
Pubblicazione: (2025)

Relational Reasoning Networks
di: Marra, Giuseppe, et al.
Pubblicazione: (2021)

Wavelet-Enhanced Neural ODE and Graph Attention for Interpretable Energy Forecasting
di: Joy, Usman Gani
Pubblicazione: (2025)

Boosting Synthetic Data Generation with Effective Nonlinear Causal Discovery
di: Cinquini, Martina, et al.
Pubblicazione: (2023)

Using a Local Surrogate Model to Interpret Temporal Shifts in Global Annual Data
di: Nakano, Shou, et al.
Pubblicazione: (2024)

Neural Interpretable Reasoning
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

Mathematical Foundations of Geometric Deep Learning
di: Borde, Haitz Sáez de Ocáriz, et al.
Pubblicazione: (2025)

Size-adaptive Hypothesis Testing for Fairness
di: Ferrara, Antonio, et al.
Pubblicazione: (2025)

Bounded-Abstention Pairwise Learning to Rank
di: Ferrara, Antonio, et al.
Pubblicazione: (2025)

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

DualWeaver: Synergistic Feature Weaving Surrogates for Multivariate Forecasting with Univariate Time Series Foundation Models
di: Li, Jinpeng, et al.
Pubblicazione: (2026)

DIVER-0 : A Fully Channel Equivariant EEG Foundation Model
di: Han, Danny Dongyeop, et al.
Pubblicazione: (2025)

Foundations of Interpretable Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

A Survey on Mechanistic Interpretability for Multi-Modal Foundation Models
di: Lin, Zihao, et al.
Pubblicazione: (2025)

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

MARA: Continuous SE(3)-Equivariant Attention for Molecular Force Fields
di: Leonardi, Francesco, et al.
Pubblicazione: (2026)

DT-PBO: an Interpretable Tree-based Surrogate Model for Preferential Bayesian Optimization
di: Leenders, Nick, et al.
Pubblicazione: (2025)

Hybrid Retrieval for Hallucination Mitigation in Large Language Models: A Comparative Analysis
di: Mala, Chandana Sree, et al.
Pubblicazione: (2025)

The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer
di: Chen, Tianhua
Pubblicazione: (2026)

Symbol-Equivariant Recurrent Reasoning Models
di: Freinschlag, Richard, et al.
Pubblicazione: (2026)

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

Equivariant Spherical Transformer for Efficient Molecular Modeling
di: An, Junyi, et al.
Pubblicazione: (2025)

Multiple Physics Pretraining for Physical Surrogate Models
di: McCabe, Michael, et al.
Pubblicazione: (2023)