Buchumschlag

DeepLogit: A sequentially constrained explainable deep learning modeling approach for transport policy analysis

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oon, Jeremy, Mepparambath, Rakhi Manohar, Feng, Ling
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

A redescription mining framework for post-hoc explaining and relating deep learning models
von: Mihelčić, Matej, et al.
Veröffentlicht: (2025)

Challenges in explaining deep learning models for data with biological variation
von: Tětková, Lenka, et al.
Veröffentlicht: (2024)

survex: an R package for explaining machine learning survival models
von: Spytek, Mikołaj, et al.
Veröffentlicht: (2023)

The role of spatial scales in assessing urban mobility models
von: Mepparambath, Rakhi Manohar, et al.
Veröffentlicht: (2026)

Semantic Geometry for policy-constrained interpretation
von: Phadke, Nikit
Veröffentlicht: (2025)

Explanatory machine learning for sequential human teaching
von: Ai, Lun, et al.
Veröffentlicht: (2022)

Operating critical machine learning models in resource constrained regimes
von: Selvan, Raghavendra, et al.
Veröffentlicht: (2023)

An explainable machine learning approach for energy forecasting at the household level
von: Béraud, Pauline, et al.
Veröffentlicht: (2024)

Quantum automated learning with provable and explainable trainability
von: Ye, Qi, et al.
Veröffentlicht: (2025)

A deep learning and machine learning approach to predict neonatal death in the context of São Paulo
von: Raihan, Mohon, et al.
Veröffentlicht: (2025)

Counterfactual explainability and analysis of variance
von: Gao, Zijun, et al.
Veröffentlicht: (2024)

Improving deep learning with prior knowledge and cognitive models: A survey on enhancing explainability, adversarial robustness and zero-shot learning
von: Mumuni, Fuseinin, et al.
Veröffentlicht: (2024)

FairX: A comprehensive benchmarking tool for model analysis using fairness, utility, and explainability
von: Sikder, Md Fahim, et al.
Veröffentlicht: (2024)

An approach of deep reinforcement learning for maximizing the net present value of stochastic projects
von: Xu, Wei, et al.
Veröffentlicht: (2025)

Survival modeling using deep learning, machine learning and statistical methods: A comparative analysis for predicting mortality after hospital admission
von: Wang, Ziwen, et al.
Veröffentlicht: (2024)

Markov flow policy -- deep MC
von: Soffair, Nitsan, et al.
Veröffentlicht: (2024)

Predicting life satisfaction using machine learning and explainable AI
von: Khan, Alif Elham, et al.
Veröffentlicht: (2025)

Spatiotemporal deep learning models for detection of rapid intensification in cyclones
von: Sutar, Vamshika, et al.
Veröffentlicht: (2025)

Logit Distance Bounds Representational Similarity
von: Nielsen, Beatrix M. G., et al.
Veröffentlicht: (2026)

Uncovering Logit Suppression Vulnerabilities in LLM Safety Alignment
von: Li, Yuxi, et al.
Veröffentlicht: (2024)

Memorization in deep learning: A survey
von: Wei, Jiaheng, et al.
Veröffentlicht: (2024)

FlowPG: Action-constrained Policy Gradient with Normalizing Flows
von: Brahmanage, Janaka Chathuranga, et al.
Veröffentlicht: (2024)

Solving the flexible job-shop scheduling problem through an enhanced deep reinforcement learning approach
von: Echeverria, Imanol, et al.
Veröffentlicht: (2023)

Adaptive traffic signal safety and efficiency improvement by multi objective deep reinforcement learning approach
von: Mirbakhsh, Shahin, et al.
Veröffentlicht: (2024)

Logit Dynamics in Softmax Policy Gradient Methods
von: Li, Yingru
Veröffentlicht: (2025)

A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Towards modeling evolving longitudinal health trajectories with a transformer-based deep learning model
von: Moen, Hans, et al.
Veröffentlicht: (2024)

bacpipe: a Python package to make bioacoustic deep learning models accessible
von: Kather, Vincent S., et al.
Veröffentlicht: (2026)

Illuminate: A novel approach for depression detection with explainable analysis and proactive therapy using prompt engineering
von: Agrawal, Aryan
Veröffentlicht: (2024)

Exploring the impact of traffic signal control and connected and automated vehicles on intersections safety: A deep reinforcement learning approach
von: Karbasi, Amir Hossein, et al.
Veröffentlicht: (2024)

Peak-Controlled Logits Poisoning Attack in Federated Distillation
von: Tang, Yuhan, et al.
Veröffentlicht: (2024)

An explainable approach to detect case law on housing and eviction issues within the HUDOC database
von: Mohammadi, Mohammad, et al.
Veröffentlicht: (2024)

An explainable model to support the decision about the therapy protocol for AML
von: Almeida, Jade M., et al.
Veröffentlicht: (2023)

Formalising the Logit Shift Induced by LoRA: A Technical Note
von: Shi, Xiang, et al.
Veröffentlicht: (2026)

Logit Distillation on Manifolds: Mapping by Learning
von: Yang, Yiru, et al.
Veröffentlicht: (2026)

Physics-Assisted and Topology-Informed Deep Learning for Weather Prediction
von: Zheng, Jiaqi, et al.
Veröffentlicht: (2025)

Extreme value forecasting using relevance-based data augmentation with deep learning models
von: Hua, Junru, et al.
Veröffentlicht: (2025)

Ensemble Elastic DQN: A novel multi-step ensemble approach to address overestimation in deep value-based reinforcement learning
von: Ly, Adrian, et al.
Veröffentlicht: (2025)

Spectral Logit Sculpting: Adaptive Low-Rank Logit Transformation for Controlled Text Generation
von: Li, Jin, et al.
Veröffentlicht: (2025)

SCALA: Split Federated Learning with Concatenated Activations and Logit Adjustments
von: Yang, Jiarong, et al.
Veröffentlicht: (2024)