Vor Ort
Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 02.09.2026 auf fremdsprachige Bücher in der Thalia App. Einzelne Artikel können ausgeschlossen sein. Ausgenommen sind preisgebundene Artikel & eBooks. Pro Einkauf einmal einlösbar. Click & Collect nur bei Onlinevorabzahlung möglich. Keine Barauszahlung. Nicht kombinierbar mit anderen Aktionen und Gutscheinen. Gutschein wird auf max. 500€ Bestellwert angerechnet. Nicht gültig für Geschenkkarten, Versandkosten und Services.
Produktbild: Explainable Artificial Intelligence
Band 2577

Explainable Artificial Intelligence Third World Conference, xAI 2025, Istanbul, Turkey, July 9–11, 2025, Proceedings, Part II

Aus der Reihe Communications in Computer and Information Science

41,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.10.2025

Abbildungen

XIX, 438 p. 114 illus., 102 illus. in color.

Herausgeber

Riccardo Guidotti + weitere

Verlag

Springer

Seitenzahl

438

Maße (L/B/H)

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

Gewicht

692 g

Sprache

Englisch

ISBN

978-3-032-08323-4

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

16.10.2025

Abbildungen

XIX, 438 p. 114 illus., 102 illus. in color.

Herausgeber

Verlag

Springer

Seitenzahl

438

Maße (L/B/H)

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

Gewicht

692 g

Sprache

Englisch

ISBN

978-3-032-08323-4

Herstelleradresse

Springer-Verlag GmbH
Tiergartenstr. 17
69121 Heidelberg
DE

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

  • Rule-based XAI Systems & Actionable Explainable AI.-
    CFIRE: A General Method for Combining Local Explanations.- Which LIME should I trust? Concepts, Challenges, and Solutions.- Explainable Bayesian Optimization.- Bridging the Interpretability Gap in Process Mining: A Comprehensive Approach Combining Explainable Clustering and Generative AI.- Balancing Fairness and Interpretability in Clustering with FairParTree.-
    Features Importance-based XAI.-
    Antithetic Sampling for Top-k Shapley Identification.- Detecting Concept Drift with SHapley Additive exPlanations for Intelligent Model Retraining in Energy Generation Forecasting.- Counterfactual Shapley Values for Explaining Reinforcement Learning.- Improving the Weighting Strategy in KernelSHAP.- POMELO: Black-Box Feature Attribution with Full-Input, In-Distribution Perturbations.-
    Novel Post-hoc & Ante-hoc XAI Approaches.-
    Explain to Gain: Introspective Reinforcement Learning for Enhanced Performance.- Extending Decision Predicate Graphs for Comprehensive Explanation of Isolation Forest.- Mathematical Foundation of Interpretable Equivariant Surrogate Models.- Interpretable Link Prediction via Neural-Symbolic Reasoning.- CausalAIME: Leveraging Peter-Clark Algorithms and Inverse Modeling for Unified Global Feature Explanation in Healthcare.-
    XAI for Scientific Discovery.-
    Interpreting the Structure of Multi-object Representations in Vision Encoders.- Leveraging Influence Functions for Resampling in PINNs.- Safe and Efficient Social Navigation through Explainable Safety Regions Based on Topological Features.- A Biologically Inspired Filter Significance Assessment Method for Model Explanation.