KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
Produktbild: Explainable Artificial Intelligence
Band 2155 - 12%

Explainable Artificial Intelligence Second World Conference, xAI 2024, Valletta, Malta, July 17–19, 2024, Proceedings, Part III

Aus der Reihe Communications in Computer and Information Science
12% sparen

74,99 € UVP 85,59 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Abbildungen

XVII, 456 p. 130 illus., 103 illus. in color.

Herausgeber

Luca Longo + weitere

Verlag

Springer

Seitenzahl

456

Maße (L/B/H)

23,5/15,5/2,6 cm

Gewicht

715 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-63799-5

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Abbildungen

XVII, 456 p. 130 illus., 103 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

456

Maße (L/B/H)

23,5/15,5/2,6 cm

Gewicht

715 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-63799-5

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
  • Produktbild: Explainable Artificial Intelligence

  • .- Counterfactual explanations and causality for eXplainable AI.



    .- Sub-SpaCE: Subsequence-based Sparse Counterfactual Explanations for Time Series Classification Problems.



    .- Human-in-the-loop Personalized Counterfactual Recourse.



    .- COIN: Counterfactual inpainting for weakly supervised semantic segmentation for medical images.



    .- Enhancing Counterfactual Explanation Search with Diffusion Distance and Directional Coherence.



    .- CountARFactuals -- Generating plausible model-agnostic counterfactual explanations with adversarial random forests.



    .- Causality-Aware Local Interpretable Model-Agnostic Explanations.



    .- Evaluating the Faithfulness of Causality in Saliency-based Explanations of Deep Learning Models for Temporal Colour Constancy.



    .- CAGE: Causality-Aware Shapley Value for Global Explanations.




    .- Fairness, trust, privacy, security, accountability and actionability in eXplainable AI.



    .- Exploring the Reliability of SHAP Values in Reinforcement Learning.



    .- Categorical Foundation of Explainable AI: A Unifying Theory.



    .- Investigating Calibrated Classification Scores through the Lens of Interpretability.



    .- XentricAI: A Gesture Sensing Calibration Approach through Explainable and User-Centric AI.



    .- Toward Understanding the Disagreement Problem in Neural Network Feature Attribution.



    .- ConformaSight: Conformal Prediction-Based Global and Model-Agnostic Explainability Framework.



    .- Differential Privacy for Anomaly Detection: Analyzing the Trade-off Between Privacy and Explainability.



    .- Blockchain for Ethical & Transparent Generative AI Utilization by Banking & Finance Lawyers.



    .- Multi-modal Machine learning model for Interpretable Mobile Malware Classification.



    .- Explainable Fraud Detection with Deep Symbolic Classification.



    .- Better Luck Next Time: About Robust Recourse in Binary Allocation Problems.



    .- Towards Non-Adversarial Algorithmic Recourse.



    .- Communicating Uncertainty in Machine Learning Explanations: A Visualization Analytics Approach for Predictive Process Monitoring.



    .- XAI for Time Series Classification: Evaluating the Benefits of Model Inspection for End-Users.