Buchumschlag

Feature Attribution from First Principles

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Taimeskhanov, Magamed, Garreau, Damien
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Understanding Steering Strength
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2026)

CAM-Based Methods Can See through Walls
von: Taimeskhanov, Magamed, et al.
Veröffentlicht: (2024)

Comparing Feature Importance and Rule Extraction for Interpretability on Text Data
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2022)

On The Variability of Concept Activation Vectors
von: Wenkmann, Julia, et al.
Veröffentlicht: (2025)

MMD-Flagger: Leveraging Maximum Mean Discrepancy to Detect Hallucinations
von: Mitsuzawa, Kensuke, et al.
Veröffentlicht: (2025)

Faithful and Robust Local Interpretability for Textual Predictions
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

GLEAMS: Bridging the Gap Between Local and Global Explanations
von: Visani, Giorgio, et al.
Veröffentlicht: (2024)

Attention Meets Post-hoc Interpretability: A Mathematical Perspective
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2024)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

A Sea of Words: An In-Depth Analysis of Anchors for Text Data
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2022)

The Risks of Recourse in Binary Classification
von: Fokkema, Hidde, et al.
Veröffentlicht: (2023)

Are Ensembles Getting Better all the Time?
von: Mattei, Pierre-Alexandre, et al.
Veröffentlicht: (2023)

A High-Resolution Landscape Dataset for Concept-Based XAI With Application to Species Distribution Models
von: de la Brosse, Augustin, et al.
Veröffentlicht: (2026)

Explainability as statistical inference
von: Senetaire, Hugo Henri Joseph, et al.
Veröffentlicht: (2022)

The Attribution Contract: Feature Attribution for Generative Language Models
von: Nguyen, Giang
Veröffentlicht: (2026)

AttributionLab: Faithfulness of Feature Attribution Under Controllable Environments
von: Zhang, Yang, et al.
Veröffentlicht: (2023)

Disentangling Interactions and Dependencies in Feature Attribution
von: König, Gunnar, et al.
Veröffentlicht: (2024)

Model Generalization on Text Attribute Graphs: Principles with Large Language Models
von: Wang, Haoyu, et al.
Veröffentlicht: (2025)

Explaining Concept Shift with Interpretable Feature Attribution
von: Lyu, Ruiqi, et al.
Veröffentlicht: (2025)

Model Guidance via Robust Feature Attribution
von: Ghitu, Mihnea, et al.
Veröffentlicht: (2025)

Boundary-Aware Uncertainty for Feature Attribution Explainers
von: Hill, Davin, et al.
Veröffentlicht: (2022)

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

Impossibility Theorems for Feature Attribution
von: Bilodeau, Blair, et al.
Veröffentlicht: (2022)

The Hidden Influence of Latent Feature Magnitude When Learning with Imbalanced Data
von: Dablain, Damien A., et al.
Veröffentlicht: (2024)

Probabilistic Stability Guarantees for Feature Attributions
von: Jin, Helen, et al.
Veröffentlicht: (2025)

TinyTorch: Building Machine Learning Systems from First Principles
von: Reddi, Vijay Janapa
Veröffentlicht: (2026)

Enhancing Visual Feature Attribution via Weighted Integrated Gradients
von: Tuan, Kien Tran Duc, et al.
Veröffentlicht: (2025)

Consistency of Feature Attribution in Deep Learning Architectures for Multi-Omics
von: Claborne, Daniel, et al.
Veröffentlicht: (2025)

Toward Understanding the Disagreement Problem in Neural Network Feature Attribution
von: Koenen, Niklas, et al.
Veröffentlicht: (2024)

Exploring the Relationship Between Feature Attribution Methods and Model Performance
von: Silva, Priscylla, et al.
Veröffentlicht: (2024)

Partial Order in Chaos: Consensus on Feature Attributions in the Rashomon Set
von: Laberge, Gabriel, et al.
Veröffentlicht: (2021)

Hebbian Learning from First Principles
von: Albanese, Linda, et al.
Veröffentlicht: (2024)

MiniGPT: Rebuilding GPT from First Principles
von: Joseph, Jibin
Veröffentlicht: (2026)

On the Properties of Feature Attribution for Supervised Contrastive Learning
von: Arrighi, Leonardo, et al.
Veröffentlicht: (2026)

Model Monitoring in the Absence of Labeled Data via Feature Attributions Distributions
von: Mougan, Carlos
Veröffentlicht: (2025)

GRAFT: Auditing Graph Neural Networks via Global Feature Attribution
von: Sahoo, Rishi Raj, et al.
Veröffentlicht: (2026)

Stochastic Amortization: A Unified Approach to Accelerate Feature and Data Attribution
von: Covert, Ian, et al.
Veröffentlicht: (2024)

Energy-Based Model for Accurate Estimation of Shapley Values in Feature Attribution
von: Lu, Cheng, et al.
Veröffentlicht: (2024)

Training Feature Attribution for Vision Models
von: Bacha, Aziz, et al.
Veröffentlicht: (2025)

Correlation-Aware Feature Attribution Based Explainable AI
von: Sengupta, Poushali, et al.
Veröffentlicht: (2025)