Buchumschlag

Explaining Neural Networks in Preference Learning: a Post-hoc Inductive Logic Programming Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fossemò, Daniele, Mignosi, Filippo, Placidi, Giuseppe, Raggioli, Luca, Spezialetti, Matteo, D'Asaro, Fabio Aurelio
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Checking Trustworthiness of Probabilistic Computations in a Typed Natural Deduction System
von: D'Asaro, Fabio Aurelio, et al.
Veröffentlicht: (2022)

A Translation of Probabilistic Event Calculus into Markov Decision Processes
von: Xu, Lyris, et al.
Veröffentlicht: (2025)

EGG CAPSULES OF SOME PROSOBRANCHS FROM THE PACIFIC COAST OF PANAMA
von: D'Asaro, Charles N.
Veröffentlicht: (1970)

A Unifying Framework for Learning Argumentation Semantics
von: Mileva, Zlatina, et al.
Veröffentlicht: (2023)

Does rainfall create buoyant forcing at the ocean surface?
von: Chaudhuri, Dipanjan, et al.
Veröffentlicht: (2025)

Weighted Assumption Based Argumentation to reason about ethical principles and actions
von: Baldi, Paolo, et al.
Veröffentlicht: (2025)

Learning Logic Specifications for Policy Guidance in POMDPs: an Inductive Logic Programming Approach
von: Meli, Daniele, et al.
Veröffentlicht: (2024)

Wave-induced biases in ADCP measurements from quasi-Lagrangian platforms
von: Shcherbina, Andrey Y., et al.
Veröffentlicht: (2024)

NuGraph2 with Explainability: Post-hoc Explanations for Geometric Neural Network Predictions
von: Voetberg, Margaret, et al.
Veröffentlicht: (2025)

Deep Learning on Object-centric 3D Neural Fields
von: Ramirez, Pierluigi Zama, et al.
Veröffentlicht: (2023)

Self-Supervised Inductive Logic Programming
von: Patsantzis, Stassa
Veröffentlicht: (2025)

L2XGNN: Learning to Explain Graph Neural Networks
von: Serra, Giuseppe, et al.
Veröffentlicht: (2022)

Inductive Learning for Possibilistic Logic Programs Under Stable Models
von: Hu, Hongbo, et al.
Veröffentlicht: (2025)

Differentiable Inductive Logic Programming for Fraud Detection
von: Wolfson, Boris, et al.
Veröffentlicht: (2024)

LogicXGNN: Grounded Logical Rules for Explaining Graph Neural Networks
von: Geng, Chuqin, et al.
Veröffentlicht: (2025)

Interpretable Network Visualizations: A Human-in-the-Loop Approach for Post-hoc Explainability of CNN-based Image Classification
von: Bianchi, Matteo, et al.
Veröffentlicht: (2024)

Explaining Explanations in Probabilistic Logic Programming
von: Vidal, Germán
Veröffentlicht: (2024)

Object-Oriented Transition Modeling with Inductive Logic Programming
von: Stella, Gabriel, et al.
Veröffentlicht: (2026)

Satisfiability Modulo Theory Meets Inductive Logic Programming
von: Upreti, Nijesh, et al.
Veröffentlicht: (2025)

An Empirical Comparison of Cost Functions in Inductive Logic Programming
von: Hocquette, Céline, et al.
Veröffentlicht: (2025)

Differentiable Inductive Logic Programming in High-Dimensional Space
von: Purgał, Stanisław J., et al.
Veröffentlicht: (2022)

Program Synthesis using Inductive Logic Programming for the Abstraction and Reasoning Corpus
von: Rocha, Filipe Marinho, et al.
Veröffentlicht: (2024)

Post-hoc Part-prototype Networks
von: Tan, Andong, et al.
Veröffentlicht: (2024)

Learning Compositional Symbolic Task Rules from Demonstrations with Inductive Logic Programming
von: Borys, Oleh, et al.
Veröffentlicht: (2026)

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

From Program Logics to Language Logics
von: Cimini, Matteo
Veröffentlicht: (2024)

At the Edge of Putnam's Program: Limitative Results For Computable Inductive Logics
von: Mercier, Antoine, et al.
Veröffentlicht: (2026)

GLIDR: Graph-Like Inductive Logic Programming with Differentiable Reasoning
von: Johnson, Blair, et al.
Veröffentlicht: (2025)

Towards Probabilistic Inductive Logic Programming with Neurosymbolic Inference and Relaxation
von: Hillerstrom, Fieke, et al.
Veröffentlicht: (2024)

RAW-Explainer: Post-hoc Explanations of Graph Neural Networks on Knowledge Graphs
von: Kubo, Ryoji, et al.
Veröffentlicht: (2025)

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

UrbanAlign: Post-hoc Semantic Calibration for VLM-Human Preference Alignment
von: Zhang, Yecheng, et al.
Veröffentlicht: (2026)

Understanding Pooling in Graph Neural Networks
von: Grattarola, Daniele, et al.
Veröffentlicht: (2021)

Post-hoc $α$ Hypothesis Testing and the Post-hoc $p$-value
von: Koning, Nick W.
Veröffentlicht: (2023)

Can Input Attributions Explain Inductive Reasoning in In-Context Learning?
von: Ye, Mengyu, et al.
Veröffentlicht: (2024)

Variable Assignment Invariant Neural Networks for Learning Logic Programs
von: Phua, Yin Jun, et al.
Veröffentlicht: (2024)

Abductive Logical Rule Induction by Bridging Inductive Logic Programming and Multimodal Large Language Models
von: Peng, Yifei, et al.
Veröffentlicht: (2025)

Autonomous observations enhance our ability to observe the biological carbon pump across diverse carbon export regimes
von: Shawnee Traylor, et al.
Veröffentlicht: (2025)

Explaining Black-box Language Models with Knowledge Probing Systems: A Post-hoc Explanation Perspective
von: Zhao, Yunxiao, et al.
Veröffentlicht: (2025)

From Circuit Evidence to Mechanistic Theory: An Inductive Logic Approach
von: Aljaafari, Nura, et al.
Veröffentlicht: (2026)