Buchumschlag

Improving Compactness and Reducing Ambiguity of CFIRE Rule-Based Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Müller, Sebastian, Schneider, Tobias, Kemna, Ruben, Toborek, Vanessa
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CFIRE: A General Method for Combining Local Explanations
von: Müller, Sebastian, et al.
Veröffentlicht: (2025)

Four Quadrants of Difficulty: A Simple Categorisation and its Limits
von: Toborek, Vanessa, et al.
Veröffentlicht: (2026)

Scientific Theory of a Black-Box: A Life Cycle-Scale XAI Framework Based on Constructive Empiricism
von: Müller, Sebastian, et al.
Veröffentlicht: (2026)

Rashomon in the Streets: Explanation Ambiguity in Scene Understanding
von: Spieker, Helge, et al.
Veröffentlicht: (2025)

On Trustworthy Rule-Based Models and Explanations
von: Siala, Mohamed, et al.
Veröffentlicht: (2025)

Compact Example-Based Explanations for Language Models
von: Schoenegger, Loris, et al.
Veröffentlicht: (2026)

Efficiently Computing Compact Formal Explanations
von: Wu, Min, et al.
Veröffentlicht: (2024)

PREF-XAI: Preference-Based Personalized Rule Explanations of Black-Box Machine Learning Models
von: Greco, Salvatore, et al.
Veröffentlicht: (2026)

Compact Rule-Based Classifier Learning via Gradient Descent
von: Fumanal-Idocin, Javier, et al.
Veröffentlicht: (2025)

Rule2Text: Natural Language Explanation of Logical Rules in Knowledge Graphs
von: Shirvani-Mahdavi, Nasim, et al.
Veröffentlicht: (2025)

Generating Counterfactual Explanations Using Cardinality Constraints
von: Ruiz-Torrubiano, Rubén
Veröffentlicht: (2024)

Reflective-Net: Learning from Explanations
von: Schneider, Johannes, et al.
Veröffentlicht: (2020)

Cross-Refine: Improving Natural Language Explanation Generation by Learning in Tandem
von: Wang, Qianli, et al.
Veröffentlicht: (2024)

A Voting Approach for Explainable Classification with Rule Learning
von: Nössig, Albert, et al.
Veröffentlicht: (2023)

The Manifold Hypothesis for Gradient-Based Explanations
von: Bordt, Sebastian, et al.
Veröffentlicht: (2022)

Rule by Rule: Learning with Confidence through Vocabulary Expansion
von: Nössig, Albert, et al.
Veröffentlicht: (2024)

Model-Level GNN Explanations via Rule-to-Graph Readout for Logit Reconstruction
von: Lu, Shengyao, et al.
Veröffentlicht: (2025)

Aggregate Models, Not Explanations: Improving Feature Importance Estimation
von: Paillard, Joseph, et al.
Veröffentlicht: (2026)

A Taxonomy of Recurrent Learning Rules
von: Martín-Sánchez, Guillermo, et al.
Veröffentlicht: (2022)

Improving the Effectiveness of Potential-Based Reward Shaping in Reinforcement Learning
von: Müller, Henrik, et al.
Veröffentlicht: (2025)

GnnXemplar: Exemplars to Explanations -- Natural Language Rules for Global GNN Interpretability
von: Armgaan, Burouj, et al.
Veröffentlicht: (2025)

From Ambiguity to Action: A POMDP Perspective on Partial Multi-Label Ambiguity and Its Horizon-One Resolution
von: Pan, Hanlin, et al.
Veröffentlicht: (2026)

Constraint-Reduced MILP with Local Outlier Factor Modeling for Plausible Counterfactual Explanations in Credit Approval
von: Thanh, Trung Nguyen, et al.
Veröffentlicht: (2025)

Relevant Irrelevance: Generating Alterfactual Explanations for Image Classifiers
von: Mertes, Silvan, et al.
Veröffentlicht: (2024)

Unveiling Latent Causal Rules: A Temporal Point Process Approach for Abnormal Event Explanation
von: Kuang, Yiling, et al.
Veröffentlicht: (2024)

Rule-Bottleneck Reinforcement Learning: Joint Explanation and Decision Optimization for Resource Allocation with Language Agents
von: Tec, Mauricio, et al.
Veröffentlicht: (2025)

Fast and Accurate Explanations of Distance-Based Classifiers by Uncovering Latent Explanatory Structures
von: Bley, Florian, et al.
Veröffentlicht: (2025)

Improving the Evaluation and Actionability of Explanation Methods for Multivariate Time Series Classification
von: Serramazza, Davide Italo, et al.
Veröffentlicht: (2024)

Distributionally Robust Optimisation with Bayesian Ambiguity Sets
von: Dellaporta, Charita, et al.
Veröffentlicht: (2024)

S-CFE: Simple Counterfactual Explanations
von: Sadiku, Shpresim, et al.
Veröffentlicht: (2024)

"Faithful to What?" On the Limits of Fidelity-Based Explanations
von: Eshbaugh, Jackson
Veröffentlicht: (2025)

Improving the Validity of Decision Trees as Explanations
von: Nemecek, Jiri, et al.
Veröffentlicht: (2023)

GenFacts-Generative Counterfactual Explanations for Multi-Variate Time Series
von: Seifi, Sarah, et al.
Veröffentlicht: (2025)

Beware of "Explanations" of AI
von: Martens, David, et al.
Veröffentlicht: (2025)

RuleR: Improving LLM Controllability by Rule-based Data Recycling
von: Li, Ming, et al.
Veröffentlicht: (2024)

Network-Based Transfer Learning Helps Improve Short-Term Crime Prediction Accuracy
von: Wu, Jiahui, et al.
Veröffentlicht: (2024)

Distributionally Robust Optimization via Generative Ambiguity Modeling
von: Wen, Jiaqi, et al.
Veröffentlicht: (2026)

Optimism in the Face of Ambiguity Principle for Multi-Armed Bandits
von: Li, Mengmeng, et al.
Veröffentlicht: (2024)

Distributionally Robust Optimization via Diffusion Ambiguity Modeling
von: Wen, Jiaqi, et al.
Veröffentlicht: (2025)

Reduced-Order Modeling of Cyclo-Stationary Time Series Using Score-Based Generative Methods
von: Giorgini, Ludovico Theo, et al.
Veröffentlicht: (2025)