Buchumschlag

Alike Parts: A Feature-Informed Approach to Local and Global Prototype Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Karolczak, Jacek, Stefanowski, Jerzy
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A-PETE: Adaptive Prototype Explanations of Tree Ensembles
von: Karolczak, Jacek, et al.
Veröffentlicht: (2024)

An interpretable prototype parts-based neural network for medical tabular data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

This part looks alike this: identifying important parts of explained instances and prototypes
von: Karolczak, Jacek, et al.
Veröffentlicht: (2025)

Code and data for MEDIC: An Interpretable Prototype Parts-based Neural Network for Medical Tabular Data
von: Karolczak, Jacek, et al.
Veröffentlicht: (2026)

PREF-XAI: Preference-Based Personalized Rule Explanations of Black-Box Machine Learning Models
von: Greco, Salvatore, et al.
Veröffentlicht: (2026)

A Probabilistic Consensus-Driven Approach for Robust Counterfactual Explanations
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Counterfactual Explanations Under Concept Drift
von: Kostrzewa, Marcin, et al.
Veröffentlicht: (2026)

Unifying Perspectives: Plausible Counterfactual Explanations on Global, Group-wise, and Local Levels
von: Furman, Oleksii, et al.
Veröffentlicht: (2024)

Counterfactual Explanations with Probabilistic Guarantees on their Robustness to Model Change
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

The Problem of Coherence in Natural Language Explanations of Recommendations
von: Raczyński, Jakub, et al.
Veröffentlicht: (2023)

Improving Online Bagging for Complex Imbalanced Data Stream
von: Przybyl, Bartosz, et al.
Veröffentlicht: (2024)

Probabilistically Plausible Counterfactual Explanations with Normalizing Flows
von: Wielopolski, Patryk, et al.
Veröffentlicht: (2024)

Explaining Concept Drift through the Evolution of Group Counterfactuals
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

A multi-criteria approach for selecting an explanation from the set of counterfactuals produced by an ensemble of explainers
von: Stępka, Ignacy, et al.
Veröffentlicht: (2024)

Investigating the Relationship Between Debiasing and Artifact Removal using Saliency Maps
von: Sztukiewicz, Lukasz, et al.
Veröffentlicht: (2025)

DetoxAI: a Python Toolkit for Debiasing Deep Learning Models in Computer Vision
von: Stępka, Ignacy, et al.
Veröffentlicht: (2025)

Towards Differentiating Between Failures and Domain Shifts in Industrial Data Streams
von: Wojak-Strzelecka, Natalia, et al.
Veröffentlicht: (2026)

On the Robustness of Global Feature Effect Explanations
von: Baniecki, Hubert, et al.
Veröffentlicht: (2024)

Accelerating the Global Aggregation of Local Explanations
von: Mor, Alon, et al.
Veröffentlicht: (2023)

COMIX: Compositional Explanations using Prototypes
von: Sivaprasad, Sarath, et al.
Veröffentlicht: (2025)

Global Graph Counterfactual Explanation: A Subgraph Mapping Approach
von: He, Yinhan, et al.
Veröffentlicht: (2024)

LookAlike: Consistent Distractor Generation in Math MCQs
von: Parikh, Nisarg, et al.
Veröffentlicht: (2025)

LucidPPN: Unambiguous Prototypical Parts Network for User-centric Interpretable Computer Vision
von: Pach, Mateusz, et al.
Veröffentlicht: (2024)

Regional Explanations: Bridging Local and Global Variable Importance
von: Amoukou, Salim I., et al.
Veröffentlicht: (2026)

GLEAMS: Bridging the Gap Between Local and Global Explanations
von: Visani, Giorgio, et al.
Veröffentlicht: (2024)

Explaining Hypergraph Neural Networks: From Local Explanations to Global Concepts
von: Su, Shiye, et al.
Veröffentlicht: (2024)

Properties of fairness measures in the context of varying class imbalance and protected group ratios
von: Brzezinski, Dariusz, et al.
Veröffentlicht: (2024)

Great Models Think Alike and this Undermines AI Oversight
von: Goel, Shashwat, et al.
Veröffentlicht: (2025)

Sycophantic Anchors: Localizing and Quantifying User Agreement in Reasoning Models
von: Duszenko, Jacek
Veröffentlicht: (2026)

Gradients Look Alike: Sensitivity is Often Overestimated in DP-SGD
von: Thudi, Anvith, et al.
Veröffentlicht: (2023)

ProtoGate: Prototype-based Neural Networks with Global-to-local Feature Selection for Tabular Biomedical Data
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2023)

L2GTX: From Local to Global Time Series Explanations
von: Mekonnen, Ephrem Tibebe, et al.
Veröffentlicht: (2026)

Guarantee Regions for Local Explanations
von: Havasi, Marton, et al.
Veröffentlicht: (2024)

Auditing Local Explanations is Hard
von: Bhattacharjee, Robi, et al.
Veröffentlicht: (2024)

Missingness Bias Calibration in Feature Attribution Explanations
von: Sridhar, Shailesh, et al.
Veröffentlicht: (2026)

Efficient Global-Local Fusion Sampling for Physics-Informed Neural Networks
von: Luo, Jiaqi, et al.
Veröffentlicht: (2025)

CFIRE: A General Method for Combining Local Explanations
von: Müller, Sebastian, et al.
Veröffentlicht: (2025)

ProtoTSNet: Interpretable Multivariate Time Series Classification With Prototypical Parts
von: Małkus, Bartłomiej, et al.
Veröffentlicht: (2025)

ProteinPNet: Prototypical Part Networks for Concept Learning in Spatial Proteomics
von: McConnell, Louis, et al.
Veröffentlicht: (2025)

Aggregate Models, Not Explanations: Improving Feature Importance Estimation
von: Paillard, Joseph, et al.
Veröffentlicht: (2026)