KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 09.11.2026 auf tolino shine color (4016621130473), tolino vision color (4016621130183) und tolino vision color weiß (4016621131456) online auf thalia.at, in der Thalia App und in allen Thalia Buchhandlungen in Österreich. In den Buchhandlungen nur gültig auf lagernde Ware. Pro Einkauf einmal einlösbar. Nur gültig gegen Vorlage oder im Onlineshop hinterlegter Bonuscard. Infos zur Einlösung in der Buchhandlung sind auf der Bonuscard-Vorteilspreisseite zu finden. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Einlösung bei Scan & Go-Bezahlung. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Nicht gültig für Geschenkkarten, Versandkosten und Services. Nur solange der Vorrat reicht.
Produktbild: Explainable Artificial Intelligence
Band 2154 - 12%

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

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

81,99 € UVP 93,49 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Abbildungen

XVII, 514 p. 159 illus., 140 illus. in color.

Herausgeber

Luca Longo + weitere

Verlag

Springer

Seitenzahl

514

Maße (L/B/H)

23,5/15,5/2,9 cm

Gewicht

797 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-63796-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

10.07.2024

Abbildungen

XVII, 514 p. 159 illus., 140 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

514

Maße (L/B/H)

23,5/15,5/2,9 cm

Gewicht

797 g

Auflage

2024

Sprache

Englisch

ISBN

978-3-031-63796-4

Herstelleradresse

Springer-Verlag KG
Sachsenplatz 4-6
1201 Wien
AT

Email: ProductSafety@springernature.com

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

  • .- XAI for graphs and Computer vision.



    .- Model-Agnostic Knowledge Graph Embedding Explanations for Recommender Systems.



    .- Graph-Based Interface for Explanations by Examples in Recommender Systems: A User Study.



    .- Explainable AI for Mixed Data Clustering.



    .- Explaining graph classifiers by unsupervised node relevance attribution.



    .- Explaining Clustering of Ecological Momentary Assessment through Temporal and Feature-based Attention.



    .- Graph Edits for Counterfactual Explanations: A comparative study.



    .- Model guidance via explanations turns image classifiers into segmentation models.



    .- Understanding the Dependence of Perception Model Competency on Regions in an Image.



    .- A Guided Tour of Post-hoc XAI Techniques in Image Segmentation.



    .- Explainable Emotion Decoding for Human and Computer Vision.



    .- Explainable concept mappings of MRI: Revealing the mechanisms underlying deep learning-based brain disease classification.




    .- Logic, reasoning, and rule-based explainable AI.



    .- Template Decision Diagrams for Meta Control and Explainability.



    .- A Logic of Weighted Reasons for Explainable Inference in AI.



    .- On Explaining and Reasoning about Fiber Optical Link Problems.



    .- Construction of artificial most representative trees by minimizing tree-based distance measures.



    .- Decision Predicate Graphs: Enhancing Interpretability in Tree Ensembles.




    .- Model-agnostic and statistical methods for eXplainable AI.



    .- Observation-specific explanations through scattered data approximation.



    .- CNN-based explanation ensembling for dataset, representation and explanations evaluation.



    .- Local List-wise Explanations of LambdaMART.



    .- Sparseness-Optimized Feature Importance.



    .- Stabilizing Estimates of Shapley Values with Control Variates.



    .- A Guide to Feature Importance Methods for Scientific Inference.



    .- Interpretable Machine Learning for TabPFN.



    .- Statistics and explainability: a fruitful alliance.



    .- How Much Can Stratification Improve the Approximation of Shapley Values?.