Buchumschlag

Explaining Time Series Classifiers with PHAR: Rule Extraction and Fusion from Post-hoc Attributions

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mozolewski, Maciej, Bobek, Szymon, Nalepa, Grzegorz J.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Local Universal Explainer (LUX) -- a rule-based explainer with factual, counterfactual and visual explanations
von: Bobek, Szymon, et al.
Veröffentlicht: (2023)

Actionable and diverse counterfactual explanations incorporating domain knowledge and plausibility constraints
von: Bobek, Szymon, et al.
Veröffentlicht: (2025)

From Prototypes to Sparse ECG Explanations: SHAP-Driven Counterfactuals for Multivariate Time-Series Multi-class Classification
von: Mozolewski, Maciej, et al.
Veröffentlicht: (2025)

User-centric evaluation of explainability of AI with and for humans: a comprehensive empirical study
von: Bobek, Szymon, et al.
Veröffentlicht: (2024)

Dataset resulting from the user study on comprehensibility of explainable AI algorithms
von: Bobek, Szymon, et al.
Veröffentlicht: (2024)

Towards Differentiating Between Failures and Domain Shifts in Industrial Data Streams
von: Wojak-Strzelecka, Natalia, et al.
Veröffentlicht: (2026)

Validating the Clinical Utility of CineECG 3D Reconstructions through Cross-Modal Feature Attribution
von: Dobiczek, Karol, et al.
Veröffentlicht: (2026)

ProtoTSNet: Interpretable Multivariate Time Series Classification With Prototypical Parts
von: Małkus, Bartłomiej, et al.
Veröffentlicht: (2025)

Financial Management System for SMEs: Real-World Deployment of Accounts Receivable and Cash Flow Prediction
von: Małkus, Bartłomiej, et al.
Veröffentlicht: (2025)

Explaining Time Series Classification Predictions via Causal Attributions
von: Alcaraz, Juan Miguel Lopez, et al.
Veröffentlicht: (2024)

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
von: Li, Xinpeng, et al.
Veröffentlicht: (2025)

Fuzzy Logic Function as a Post-hoc Explanator of the Nonlinear Classifier
von: Klimo, Martin, et al.
Veröffentlicht: (2024)

UniCoMTE: A Universal Counterfactual Framework for Explaining Time-Series Classifiers on ECG Data
von: Li, Justin, et al.
Veröffentlicht: (2025)

Explaining Neural Networks in Preference Learning: a Post-hoc Inductive Logic Programming Approach
von: Fossemò, Daniele, et al.
Veröffentlicht: (2026)

In Defence of Post-hoc Explainability
von: Oh, Nick
Veröffentlicht: (2024)

Explaining Predictions by Characteristic Rules
von: Alkhatib, Amr, et al.
Veröffentlicht: (2024)

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

Explaining Time Series via Contrastive and Locally Sparse Perturbations
von: Liu, Zichuan, et al.
Veröffentlicht: (2024)

Unlocking Post-hoc Dataset Inference with Synthetic Data
von: Zhao, Bihe, et al.
Veröffentlicht: (2025)

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

Post-hoc Interpretability Illumination for Scientific Interaction Discovery
von: Zhang, Ling, et al.
Veröffentlicht: (2024)

Artificial Intelligence Approaches for Predictive Maintenance in the Steel Industry: A Survey
von: Jakubowski, Jakub, et al.
Veröffentlicht: (2024)

PXGen: A Post-hoc Explainable Method for Generative Models
von: Huang, Yen-Lung, et al.
Veröffentlicht: (2025)

Informative Perturbation Selection for Uncertainty-Aware Post-hoc Explanations
von: Chugh, Sumedha, et al.
Veröffentlicht: (2026)

Class-Dependent Perturbation Effects in Evaluating Time Series Attributions
von: Baer, Gregor, et al.
Veröffentlicht: (2025)

Large Language Models are Few-shot Multivariate Time Series Classifiers
von: Chen, Yakun, et al.
Veröffentlicht: (2025)

SSET: Swapping-Sliding Explanation for Time Series Classifiers in Affect Detection
von: Fouladgar, Nazanin, et al.
Veröffentlicht: (2024)

Visual-TCAV: Concept-based Attribution and Saliency Maps for Post-hoc Explainability in Image Classification
von: De Santis, Antonio, et al.
Veröffentlicht: (2024)

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

Rethinking Multimodal Fusion for Time Series: Auxiliary Modalities Need Constrained Fusion
von: Lee, Seunghan, et al.
Veröffentlicht: (2026)

Unified Long-Term Time-Series Forecasting Benchmark
von: Cyranka, Jacek, et al.
Veröffentlicht: (2023)

HINTS: Extraction of Human Insights from Time-Series Without External Sources
von: Jhin, Sheo Yon, et al.
Veröffentlicht: (2025)

Delta-XAI: A Unified Framework for Explaining Prediction Changes in Online Time Series Monitoring
von: Kim, Changhun, et al.
Veröffentlicht: (2025)

Enhancing Time Series Forecasting via a Parallel Hybridization of ARIMA and Polynomial Classifiers
von: Nguyen, Thanh Son, et al.
Veröffentlicht: (2025)

Automatic Extraction of Linguistic Description from Fuzzy Rule Base
von: Siminski, Krzysztof, et al.
Veröffentlicht: (2024)

Multi-Knowledge Fusion Network for Time Series Representation Learning
von: Sakhinana, Sagar Srinivas, et al.
Veröffentlicht: (2024)

An AI Architecture with the Capability to Classify and Explain Hardware Trojans
von: Whitten, Paul, et al.
Veröffentlicht: (2024)

SeqFusion: Sequential Fusion of Pre-Trained Models for Zero-Shot Time-Series Forecasting
von: Huang, Ting-Ji, et al.
Veröffentlicht: (2025)

One Wave To Explain Them All: A Unifying Perspective On Feature Attribution
von: Kasmi, Gabriel, et al.
Veröffentlicht: (2024)

Rethinking Zero-Shot Time Series Classification: From Task-specific Classifiers to In-Context Inference
von: Fang, Juntao, et al.
Veröffentlicht: (2026)