Copertina

Federated Concept-Based Models: Interpretable models with distributed supervision

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Fenoglio, Dario, Casanova, Arianna, De Santis, Francesco, Dominici, Gabriele, Schneider, Johannes, Barbiero, Pietro, De Felice, Giovanni, Langheinrich, Marc, Gjoreski, Martin
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Federated Behavioural Planes: Explaining the Evolution of Client Behaviour in Federated Learning
di: Fenoglio, Dario, et al.
Pubblicazione: (2024)

Counterfactual Concept Bottleneck Models
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

FLUX: Efficient Descriptor-Driven Clustered Federated Learning under Arbitrary Distribution Shifts
di: Fenoglio, Dario, et al.
Pubblicazione: (2025)

AnyCBMs: How to Turn Any Black Box into a Concept Bottleneck Model
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Federated Learning with Profile Mapping under Distribution Shifts and Drifts
di: Li, Mohan, et al.
Pubblicazione: (2026)

Causally Reliable Concept Bottleneck Models
di: De Felice, Giovanni, et al.
Pubblicazione: (2025)

Causal Concept Graph Models: Beyond Causal Opacity in Deep Learning
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

Mixture of Concept Bottleneck Experts
di: De Santis, Francesco, et al.
Pubblicazione: (2026)

Evaluating Explanations Through LLMs: Beyond Traditional User Studies
di: De Bona, Francesco Bombassei, et al.
Pubblicazione: (2024)

ERIS: Enhancing Privacy and Scalability in Federated Learning via Federated Shard Aggregation
di: Fenoglio, Dario, et al.
Pubblicazione: (2026)

Towards Transparent Reasoning: What Drives Faithfulness in Large Language Models?
di: McMillan, Teague, et al.
Pubblicazione: (2025)

Counterfactual Explanations for Clustering Models
di: Spagnol, Aurora, et al.
Pubblicazione: (2024)

Interpretable Hierarchical Concept Reasoning through Attention-Guided Graph Learning
di: Debot, David, et al.
Pubblicazione: (2025)

Linearly-Interpretable Concept Embedding Models for Text Analysis
di: De Santis, Francesco, et al.
Pubblicazione: (2024)

Towards Better Generalization and Interpretability in Unsupervised Concept-Based Models
di: De Santis, Francesco, et al.
Pubblicazione: (2025)

A Survey on Federated Learning in Human Sensing
di: Li, Mohan, et al.
Pubblicazione: (2025)

Neuron-Anchored Rule Extraction for Large Language Models via Contrastive Hierarchical Ablation
di: Sovrano, Francesco, et al.
Pubblicazione: (2026)

Multi-Frequency Federated Learning for Human Activity Recognition Using Head-Worn Sensors
di: Fenoglio, Dario, et al.
Pubblicazione: (2025)

Avoiding Leakage Poisoning: Concept Interventions Under Distribution Shifts
di: Zarlenga, Mateo Espinosa, et al.
Pubblicazione: (2025)

Interpretable Concept-Based Memory Reasoning
di: Debot, David, et al.
Pubblicazione: (2024)

Neural Interpretable Reasoning
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

A Survey on Decentralized Federated Learning
di: Gabrielli, Edoardo, et al.
Pubblicazione: (2023)

Interpretability in Deep Time Series Models Demands Semantic Alignment
di: De Felice, Giovanni, et al.
Pubblicazione: (2026)

A foundation model for electrodermal activity data
di: Alchieri, Leonardo, et al.
Pubblicazione: (2026)

Relational Concept Bottleneck Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2023)

Interpretable Neural-Symbolic Concept Reasoning
di: Barbiero, Pietro, et al.
Pubblicazione: (2023)

Deferring Concept Bottleneck Models: Learning to Defer Interventions to Inaccurate Experts
di: Pugnana, Andrea, et al.
Pubblicazione: (2025)

V-CEM: Bridging Performance and Intervenability in Concept-based Models
di: De Santis, Francesco, et al.
Pubblicazione: (2025)

Prototype-Grounded Concept Models for Verifiable Concept Alignment
di: Colamonaco, Stefano, et al.
Pubblicazione: (2026)

Differential Privacy for Anomaly Detection: Analyzing the Trade-off Between Privacy and Explainability
di: Ezzeddine, Fatima, et al.
Pubblicazione: (2024)

If Concept Bottlenecks are the Question, are Foundation Models the Answer?
di: Debole, Nicola, et al.
Pubblicazione: (2025)

Mitigating Prompt-Induced Cognitive Biases in General-Purpose AI for Software Engineering
di: Sovrano, Francesco, et al.
Pubblicazione: (2026)

Exploring Human-LLM Conversations: Mental Models and the Originator of Toxicity
di: Schneider, Johannes, et al.
Pubblicazione: (2024)

Maximal point‐polyserial correlation for non‐normal random distributions
di: Alessandro Barbiero
Pubblicazione: (2024)

Foundations of Interpretable Models
di: Barbiero, Pietro, et al.
Pubblicazione: (2025)

In-Context Symbolic Regression for Robustness-Improved Kolmogorov-Arnold Networks
di: Sovrano, Francesco, et al.
Pubblicazione: (2026)

On the distribution of the power function for the scale parameter of exponential families
di: Fulvio De Santis, et al.
Pubblicazione: (2024)

Nonlocal order parameter of pair superfluids
di: Cuzzuol, Nitya, et al.
Pubblicazione: (2024)

Actionable Interpretability Must Be Defined in Terms of Symmetries
di: Barbiero, Pietro, et al.
Pubblicazione: (2026)

Federated Computing as Code (FCaC): Sovereignty-aware Systems by Design
di: Fenoglio, Enzo, et al.
Pubblicazione: (2026)