:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lemaire, Vincent, Meloulli, Nédra, Jaquet, Pierre
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	https://arxiv.org/abs/2601.21747
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable AI for Fair Sepsis Mortality Predictive Model
von: Chang, Chia-Hsuan, et al.
Veröffentlicht: (2024)

Explainable AI For Early Detection Of Sepsis
von: Thakur, Atharva, et al.
Veröffentlicht: (2025)

Empowering Clinicians with Medical Decision Transformers: A Framework for Sepsis Treatment
von: Rahman, Aamer Abdul, et al.
Veröffentlicht: (2024)

SepsisCalc: Integrating Clinical Calculators into Early Sepsis Prediction via Dynamic Temporal Graph Construction
von: Yin, Changchang, et al.
Veröffentlicht: (2024)

MEET-Sepsis: Multi-Endogenous-View Enhanced Time-Series Representation Learning for Early Sepsis Prediction
von: Tan, Zexi, et al.
Veröffentlicht: (2025)

Explainable Reinforcement Learning via Temporal Policy Decomposition
von: Ruggeri, Franco, et al.
Veröffentlicht: (2025)

Can LLMs Revolutionize the Design of Explainable and Efficient TinyML Models?
von: Zeinaty, Christophe El, et al.
Veröffentlicht: (2025)

GRACE: A Language Model Framework for Explainable Inverse Reinforcement Learning
von: Sapora, Silvia, et al.
Veröffentlicht: (2025)

SMT-EX: An Explainable Surrogate Modeling Toolbox for Mixed-Variables Design Exploration
von: Robani, Mohammad Daffa, et al.
Veröffentlicht: (2025)

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

Temporal Knowledge-Graph Memory in a Partially Observable Environment
von: Kim, Taewoon, et al.
Veröffentlicht: (2024)

Early Prediction of Sepsis: Feature-Aligned Transfer Learning
von: Komolafe, Oyindolapo O., et al.
Veröffentlicht: (2025)

Hierarchical Causal Abduction: A Foundation Framework for Explainable Model Predictive Control
von: Naagarajan, Ramesh Arvind, et al.
Veröffentlicht: (2026)

ScoresActivation: A New Activation Function for Model Agnostic Global Explainability by Design
von: Covaci, Emanuel, et al.
Veröffentlicht: (2025)

CSRA: Controlled Spectral Residual Augmentation for Robust Sepsis Prediction
von: Guo, Honglin, et al.
Veröffentlicht: (2026)

Formally Verifying and Explaining Sepsis Treatment Policies with COOL-MC
von: Gross, Dennis
Veröffentlicht: (2026)

Exploring Time-Step Size in Reinforcement Learning for Sepsis Treatment
von: Sun, Yingchuan, et al.
Veröffentlicht: (2025)

Improving Early Sepsis Onset Prediction Through Federated Learning
von: Düsing, Christoph, et al.
Veröffentlicht: (2025)

Investigating potential causes of Sepsis with Bayesian network structure learning
von: Petrungaro, Bruno, et al.
Veröffentlicht: (2024)

Reinforced Sequential Decision-Making for Sepsis Treatment: The POSNEGDM Framework with Mortality Classifier and Transformer
von: Tamboli, Dipesh, et al.
Veröffentlicht: (2024)

ExECG: An Explainable AI Framework for ECG models
von: Jang, Jong-Hwan, et al.
Veröffentlicht: (2026)

Reconstructing Sepsis Trajectories from Clinical Case Reports using LLMs: the Textual Time Series Corpus for Sepsis
von: Noroozizadeh, Shahriar, et al.
Veröffentlicht: (2025)

An Autoregressive Text-to-Graph Framework for Joint Entity and Relation Extraction
von: Zaratiana, Urchade, et al.
Veröffentlicht: (2024)

An Explainable Machine Learning Framework for the Accurate Diagnosis of Ovarian Cancer
von: Newaz, Asif, et al.
Veröffentlicht: (2023)

Explainable Machine Learning Framework for Cardiovascular Disease Diagnosis and Prognosis
von: Sourov, Md. Emon Akter, et al.
Veröffentlicht: (2025)

Enhancing LLMs' Clinical Reasoning with Real-World Data from a Nationwide Sepsis Registry
von: Kim, Junu, et al.
Veröffentlicht: (2025)

Self-Exploring Language Models for Explainable Link Forecasting on Temporal Graphs via Reinforcement Learning
von: Ding, Zifeng, et al.
Veröffentlicht: (2025)

Learning Preference-Based Objectives from Clinical Narratives for Dynamic Sepsis Treatment
von: Tan, Daniel J., et al.
Veröffentlicht: (2026)

Stable CDE Autoencoders with Acuity Regularization for Offline Reinforcement Learning in Sepsis Treatment
von: Gao, Yue
Veröffentlicht: (2025)

ASFL: An Adaptive Model Splitting and Resource Allocation Framework for Split Federated Learning
von: Meng, Chuiyang, et al.
Veröffentlicht: (2026)

Learning Explainable Imaging-Genetics Associations Related to a Neurological Disorder
von: Wang, Jueqi, et al.
Veröffentlicht: (2025)

Explainability is NOT a Game
von: Marques-Silva, Joao, et al.
Veröffentlicht: (2023)

Grounded Relational Inference: Domain Knowledge Driven Explainable Autonomous Driving
von: Tang, Chen, et al.
Veröffentlicht: (2021)

Unifying VXAI: A Systematic Review and Framework for the Evaluation of Explainable AI
von: Dembinsky, David, et al.
Veröffentlicht: (2025)

Building Trust in Black-box Optimization: A Comprehensive Framework for Explainability
von: Nezami, Nazanin, et al.
Veröffentlicht: (2024)

ABE: A Unified Framework for Robust and Faithful Attribution-Based Explainability
von: Zhu, Zhiyu, et al.
Veröffentlicht: (2025)

An Explainable AI Framework for Dynamic Resource Management in Vehicular Network Slicing
von: Sun, Haochen, et al.
Veröffentlicht: (2025)

F-Fidelity: A Robust Framework for Faithfulness Evaluation of Explainable AI
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

A Mathematical Framework for Temporal Modeling and Counterfactual Policy Simulation of Student Dropout
von: da Silva, Rafael, et al.
Veröffentlicht: (2026)

Temporal Fact Reasoning over Hyper-Relational Knowledge Graphs
von: Ding, Zifeng, et al.
Veröffentlicht: (2023)