Buchumschlag

Counterfactual Explanations for Hypergraph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Veglianti, Fabiano, Antonelli, Lorenzo, Tolomei, Gabriele
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Countering Overfitting with Counterfactual Examples
von: Giorgi, Flavio, et al.
Veröffentlicht: (2025)

Generalizability vs. Counterfactual Explainability Trade-Off
von: Veglianti, Fabiano, et al.
Veröffentlicht: (2025)

Robust Counterfactual Explanations for Neural Networks With Probabilistic Guarantees
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

Procedural Fairness via Group Counterfactual Explanation
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

KTCF: Actionable Recourse in Knowledge Tracing via Counterfactual Explanations for Education
von: Kim, Woojin, et al.
Veröffentlicht: (2026)

Prompt-Counterfactual Explanations for Generative AI System Behavior
von: Goethals, Sofie, et al.
Veröffentlicht: (2026)

Few-Shot Knowledge Distillation of LLMs With Counterfactual Explanations
von: Hamman, Faisal, et al.
Veröffentlicht: (2025)

TABCF: Counterfactual Explanations for Tabular Data Using a Transformer-Based VAE
von: Panagiotou, Emmanouil, et al.
Veröffentlicht: (2024)

Evaluating Latent Knowledge of Public Tabular Datasets in Large Language Models
von: Silvestri, Matteo, et al.
Veröffentlicht: (2025)

Evading Community Detection via Counterfactual Neighborhood Search
von: Bernini, Andrea, et al.
Veröffentlicht: (2023)

PONTE: Personalized Orchestration for Natural Language Trustworthy Explanations
von: Vineis, Vittoria, et al.
Veröffentlicht: (2026)

Knowledge Distillation-Based Model Extraction Attack using GAN-based Private Counterfactual Explanations
von: Ezzeddine, Fatima, et al.
Veröffentlicht: (2024)

Counterfactual Fairness with Graph Uncertainty
von: Valério, Davi, et al.
Veröffentlicht: (2026)

Fast Calibrated Explanations: Efficient and Uncertainty-Aware Explanations for Machine Learning Models
von: Löfström, Tuwe, et al.
Veröffentlicht: (2024)

Do Fair Models Reason Fairly? Counterfactual Explanation Consistency for Procedural Fairness in Credit Decisions
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

A New Paradigm for Counterfactual Reasoning in Fairness and Recourse
von: Bynum, Lucius E. J., et al.
Veröffentlicht: (2024)

FairPFN: Transformers Can do Counterfactual Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2024)

Natural Language Counterfactual Explanations for Graphs Using Large Language Models
von: Giorgi, Flavio, et al.
Veröffentlicht: (2024)

Mitigating Gender Bias in Depression Detection via Counterfactual Inference
von: Hu, Mingxuan, et al.
Veröffentlicht: (2025)

Towards Counterfactual Fairness-aware Domain Generalization in Changing Environments
von: Lin, Yujie, et al.
Veröffentlicht: (2023)

Evidence Without Injustice: A New Counterfactual Test for Fair Algorithms
von: Loi, Michele, et al.
Veröffentlicht: (2025)

Interpretable Knowledge Tracing via Response Influence-based Counterfactual Reasoning
von: Cui, Jiajun, et al.
Veröffentlicht: (2023)

Selecting the Right LLM for eGov Explanations
von: Limonad, Lior, et al.
Veröffentlicht: (2025)

Game-theoretic Counterfactual Explanation for Graph Neural Networks
von: Chhablani, Chirag, et al.
Veröffentlicht: (2024)

Partial Identification Approach to Counterfactual Fairness Assessment
von: Rho, Saeyoung, et al.
Veröffentlicht: (2025)

On Defining Smart Cities using Transformer Neural Networks
von: Khurshudov, Andrei
Veröffentlicht: (2024)

MESD: A Risk-Sensitive Metric for Explanation Fairness Across Intersectional Subgroups
von: Popoola, Gideon, et al.
Veröffentlicht: (2026)

Rethinking Fair Graph Neural Networks from Re-balancing
von: Li, Zhixun, et al.
Veröffentlicht: (2024)

Forecasting Energy Consumption using Recurrent Neural Networks: A Comparative Analysis
von: Maity, Abhishek, et al.
Veröffentlicht: (2026)

FairSample: Training Fair and Accurate Graph Convolutional Neural Networks Efficiently
von: Cong, Zicun, et al.
Veröffentlicht: (2024)

Vision Paper: Designing Graph Neural Networks in Compliance with the European Artificial Intelligence Act
von: Hoffmann, Barbara, et al.
Veröffentlicht: (2024)

Uncertainty-Aware Probabilistic Graph Neural Networks for Road-Level Traffic Accident Prediction
von: Gao, Xiaowei, et al.
Veröffentlicht: (2023)

Debiasing Machine Unlearning with Counterfactual Examples
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

Counterfactual Explanations for Clustering Models
von: Spagnol, Aurora, et al.
Veröffentlicht: (2024)

GECOBench: A Gender-Controlled Text Dataset and Benchmark for Quantifying Biases in Explanations
von: Wilming, Rick, et al.
Veröffentlicht: (2024)

Provably Robust and Plausible Counterfactual Explanations for Neural Networks via Robust Optimisation
von: Jiang, Junqi, et al.
Veröffentlicht: (2023)

VISION: Robust and Interpretable Code Vulnerability Detection Leveraging Counterfactual Augmentation
von: Egea, David, et al.
Veröffentlicht: (2025)

Risk Analysis in Customer Relationship Management via Quantile Region Convolutional Neural Network-Long Short-Term Memory and Cross-Attention Mechanism
von: Huang, Yaowen, et al.
Veröffentlicht: (2024)

Assessing Social Alignment: Do Personality-Prompted Large Language Models Behave Like Humans?
von: Zakazov, Ivan, et al.
Veröffentlicht: (2024)

A Survey of Privacy-Preserving Model Explanations: Privacy Risks, Attacks, and Countermeasures
von: Nguyen, Thanh Tam, et al.
Veröffentlicht: (2024)