Buchumschlag

Informative Perturbation Selection for Uncertainty-Aware Post-hoc Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chugh, Sumedha, Prasad, Ranjitha, Shah, Nazreen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Noise Resilient Over-The-Air Federated Learning In Heterogeneous Wireless Networks
von: Shaban, Zubair, et al.
Veröffentlicht: (2025)

On the Convergence of Continual Federated Learning Using Incrementally Aggregated Gradients
von: Keshri, Satish Kumar, et al.
Veröffentlicht: (2024)

Unifying Post-hoc Explanations of Knowledge Graph Completions
von: Lonardi, Alessandro, et al.
Veröffentlicht: (2025)

Fuzzy Logic Function as a Post-hoc Explanator of the Nonlinear Classifier
von: Klimo, Martin, et al.
Veröffentlicht: (2024)

B-SMALL: A Bayesian Neural Network approach to Sparse Model-Agnostic Meta-Learning
von: Madan, Anish, et al.
Veröffentlicht: (2021)

Improving Perturbation-based Explanations by Understanding the Role of Uncertainty Calibration
von: Decker, Thomas, et al.
Veröffentlicht: (2025)

Why Uncertainty Calibration Matters for Reliable Perturbation-based Explanations
von: Decker, Thomas, et al.
Veröffentlicht: (2025)

Explanations as Bias Detectors: A Critical Study of Local Post-hoc XAI Methods for Fairness Exploration
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2025)

In Defence of Post-hoc Explainability
von: Oh, Nick
Veröffentlicht: (2024)

Evidential Transformation Network: Turning Pretrained Models into Evidential Models for Post-hoc Uncertainty Estimation
von: Chun, Yongchan, et al.
Veröffentlicht: (2026)

Calibrated Explanations: with Uncertainty Information and Counterfactuals
von: Lofstrom, Helena, et al.
Veröffentlicht: (2023)

Estimation of Concept Explanations Should be Uncertainty Aware
von: Piratla, Vihari, et al.
Veröffentlicht: (2023)

Unlocking Post-hoc Dataset Inference with Synthetic Data
von: Zhao, Bihe, et al.
Veröffentlicht: (2025)

Post-hoc Interpretability Illumination for Scientific Interaction Discovery
von: Zhang, Ling, et al.
Veröffentlicht: (2024)

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

Informative Post-Hoc Explanations Only Exist for Simple Functions
von: Günther, Eric, et al.
Veröffentlicht: (2025)

PXGen: A Post-hoc Explainable Method for Generative Models
von: Huang, Yen-Lung, et al.
Veröffentlicht: (2025)

CAPSULE: Control-Theoretic Action Perturbations for Safe Uncertainty-Aware Reinforcement Learning
von: Narava, Rahul, et al.
Veröffentlicht: (2026)

Sanity Checks for Explanation Uncertainty
von: Valdenegro-Toro, Matias, et al.
Veröffentlicht: (2024)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

Ensured: Explanations for Decreasing the Epistemic Uncertainty in Predictions
von: Löfström, Helena, et al.
Veröffentlicht: (2024)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

Explaining Neural Networks in Preference Learning: a Post-hoc Inductive Logic Programming Approach
von: Fossemò, Daniele, et al.
Veröffentlicht: (2026)

Explaining Time Series Classifiers with PHAR: Rule Extraction and Fusion from Post-hoc Attributions
von: Mozolewski, Maciej, et al.
Veröffentlicht: (2025)

The Impact of Machine Learning Uncertainty on the Robustness of Counterfactual Explanations
von: Christodoulou, Leonidas, et al.
Veröffentlicht: (2026)

RECAP: A Resource-Efficient Method for Adversarial Prompting in Large Language Models
von: Chugh, Rishit
Veröffentlicht: (2026)

Uncertainty Quantification for Gradient-based Explanations in Neural Networks
von: Mulye, Mihir, et al.
Veröffentlicht: (2024)

Comparative Explanations: Explanation Guided Decision Making for Human-in-the-Loop Preference Selection
von: Chakraborty, Tanmay, et al.
Veröffentlicht: (2025)

The Effect of Model Size on LLM Post-hoc Explainability via LIME
von: Heyen, Henning, et al.
Veröffentlicht: (2024)

Gender Bias in Explainability: Investigating Performance Disparity in Post-hoc Methods
von: Dhaini, Mahdi, et al.
Veröffentlicht: (2025)

PHLoRA: data-free Post-hoc Low-Rank Adapter extraction from full-rank checkpoint
von: Vasani, Bhoomit, et al.
Veröffentlicht: (2025)

QUCE: The Minimisation and Quantification of Path-Based Uncertainty for Generative Counterfactual Explanations
von: Duell, Jamie, et al.
Veröffentlicht: (2024)

SelectIT: Selective Instruction Tuning for LLMs via Uncertainty-Aware Self-Reflection
von: Liu, Liangxin, et al.
Veröffentlicht: (2024)

Causality-Aware Local Interpretable Model-Agnostic Explanations
von: Cinquini, Martina, et al.
Veröffentlicht: (2022)

Are We Merely Justifying Results ex Post Facto? Quantifying Explanatory Inversion in Post-Hoc Model Explanations
von: Tan, Zhen, et al.
Veröffentlicht: (2025)

TIMING: Temporality-Aware Integrated Gradients for Time Series Explanation
von: Jang, Hyeongwon, et al.
Veröffentlicht: (2025)

ShapeX: Shapelet-Driven Post Hoc Explanations for Time Series Classification Models
von: Huang, Bosong, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Gradient Signal-to-Noise Data Selection for Instruction Tuning
von: Yuan, Zhihang, et al.
Veröffentlicht: (2026)

UCPO: Uncertainty-Aware Policy Optimization
von: Zeng, Xianzhou, et al.
Veröffentlicht: (2026)

Tractable Uncertainty-Aware Meta-Learning
von: Park, Young-Jin, et al.
Veröffentlicht: (2022)