:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Haskins, Reilly, Adams, Benjamin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2507.03847
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Distilled Circuits: A Mechanistic Study of Internal Restructuring in Knowledge Distillation
von: Haskins, Reilly, et al.
Veröffentlicht: (2025)

Explaining k-Nearest Neighbors: Abductive and Counterfactual Explanations
von: Barceló, Pablo, et al.
Veröffentlicht: (2025)

GNN Explanations that do not Explain and How to find Them
von: Azzolin, Steve, et al.
Veröffentlicht: (2026)

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

GraphXAIN: Narratives to Explain Graph Neural Networks
von: Cedro, Mateusz, et al.
Veröffentlicht: (2024)

Explaining Graph Neural Networks for Node Similarity on Graphs
von: Daza, Daniel, et al.
Veröffentlicht: (2024)

Explaining, Fast and Slow: Abstraction and Refinement of Provable Explanations
von: Bassan, Shahaf, et al.
Veröffentlicht: (2025)

Concisely Explaining the Doubt: Minimum-Size Abductive Explanations for Linear Models with a Reject Option
von: Fernandes, Gleilson Pedro, et al.
Veröffentlicht: (2026)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

Good Teachers Explain: Explanation-Enhanced Knowledge Distillation
von: Parchami-Araghi, Amin, et al.
Veröffentlicht: (2024)

LLMs for XAI: Future Directions for Explaining Explanations
von: Zytek, Alexandra, et al.
Veröffentlicht: (2024)

Can Kernel Methods Explain How the Data Affects Neural Collapse?
von: Kothapalli, Vignesh, et al.
Veröffentlicht: (2024)

Explaining Drift using Shapley Values
von: Edakunni, Narayanan U., et al.
Veröffentlicht: (2024)

A Visual Tool for Interactive Model Explanation using Sensitivity Analysis
von: Schuler, Manuela
Veröffentlicht: (2025)

The GECo algorithm for Graph Neural Networks Explanation
von: Calderaro, Salvatore, et al.
Veröffentlicht: (2024)

Global Concept Explanations for Graphs by Contrastive Learning
von: Teufel, Jonas, et al.
Veröffentlicht: (2024)

MEGAN: Multi-Explanation Graph Attention Network
von: Teufel, Jonas, et al.
Veröffentlicht: (2022)

Robust Stochastic Graph Generator for Counterfactual Explanations
von: Prado-Romero, Mario Alfonso, et al.
Veröffentlicht: (2023)

How Explanations Leak the Decision Logic: Stealing Graph Neural Networks via Explanation Alignment
von: Ma, Bin, et al.
Veröffentlicht: (2025)

Explaining Categorical Feature Interactions Using Graph Covariance and LLMs
von: Shen, Cencheng, et al.
Veröffentlicht: (2025)

L2XGNN: Learning to Explain Graph Neural Networks
von: Serra, Giuseppe, et al.
Veröffentlicht: (2022)

Explaining the Explainers in Graph Neural Networks: a Comparative Study
von: Longa, Antonio, et al.
Veröffentlicht: (2022)

Exploring Consistency in Graph Representations:from Graph Kernels to Graph Neural Networks
von: Liu, Xuyuan, et al.
Veröffentlicht: (2024)

Dual-Kernel Graph Community Contrastive Learning
von: Chen, Xiang, et al.
Veröffentlicht: (2025)

Unifying Post-hoc Explanations of Knowledge Graph Completions
von: Lonardi, Alessandro, et al.
Veröffentlicht: (2025)

Learning to Approximate Adaptive Kernel Convolution on Graphs
von: Sim, Jaeyoon, et al.
Veröffentlicht: (2024)

CKGConv: General Graph Convolution with Continuous Kernels
von: Ma, Liheng, et al.
Veröffentlicht: (2024)

Game-theoretic Counterfactual Explanation for Graph Neural Networks
von: Chhablani, Chirag, et al.
Veröffentlicht: (2024)

Graph Edits for Counterfactual Explanations: A comparative study
von: Dimitriou, Angeliki, et al.
Veröffentlicht: (2024)

Hyperbolic Kernel Graph Neural Networks for Neurocognitive Decline Analysis from Multimodal Brain Imaging
von: Yang, Meimei, et al.
Veröffentlicht: (2025)

Multi-scale Wasserstein Shortest-path Graph Kernels for Graph Classification
von: Ye, Wei, et al.
Veröffentlicht: (2022)

Can Large Language Models Still Explain Themselves? Investigating the Impact of Quantization on Self-Explanations
von: Wang, Qianli, et al.
Veröffentlicht: (2026)

Extending Decision Predicate Graphs for Comprehensive Explanation of Isolation Forest
von: Ceschin, Matteo, et al.
Veröffentlicht: (2025)

Parkinson's Disease Detection from Resting State EEG using Multi-Head Graph Structure Learning with Gradient Weighted Graph Attention Explanations
von: Neves, Christopher, et al.
Veröffentlicht: (2024)

Uncovering the Structure of Explanation Quality with Spectral Analysis
von: Maeß, Johannes, et al.
Veröffentlicht: (2025)

Explaining the (Not So) Obvious: Simple and Fast Explanation of STAN, a Next Point of Interest Recommendation System
von: Yunus, Fajrian, et al.
Veröffentlicht: (2024)

TE2Rules: Explaining Tree Ensembles using Rules
von: Lal, G Roshan, et al.
Veröffentlicht: (2022)

Identifying Backdoored Graphs in Graph Neural Network Training: An Explanation-Based Approach with Novel Metrics
von: Downer, Jane, et al.
Veröffentlicht: (2024)

GRExplainer: A Universal Explanation Method for Temporal Graph Neural Networks
von: Li, Xuyan, et al.
Veröffentlicht: (2025)

GCFX: Generative Counterfactual Explanations for Deep Graph Models at the Model Level
von: Hu, Jinlong, et al.
Veröffentlicht: (2026)