Cantitate/Preț
Produs
Total produse
Vezi coșul
Explainable Artificial Intelligence: Second World Conference, xAI 2024, Valletta, Malta, July 17–19, 2024, Proceedings, Part IV de Luca Longo

Explainable Artificial Intelligence: Second World Conference, xAI 2024, Valletta, Malta, July 17–19, 2024, Proceedings, Part IV: Communications in Computer and Information Science, cartea 2156

Editat de Luca Longo, Sebastian Lapuschkin, Christin Seifert
en Limba Engleză Paperback – 10 iul 2024

Actualizarea adusă de ediția din 2024 a Conferinței Mondiale de Inteligență Artificială Explicabilă (xAI) marchează o tranziție clară de la simpla interpretare a modelelor către pilonii etici și operaționali: cauzalitatea, echitatea și securitatea datelor. Suntem de părere că acest al treilea volum din seria Explainable Artificial Intelligence este esențial pentru cercetătorii care doresc să depășească etapa de „cutie neagră” a algoritmilor, oferind soluții concrete pentru auditarea și securizarea sistemelor inteligente.

Structura volumului este organizată tematic pentru a aborda provocările stringente ale implementării XAI în domenii de înaltă responsabilitate. Primele secțiuni explorează explicațiile contrafactuale și cauzalitatea, în timp ce a doua parte a volumului se concentrează pe dimensiunile sociale și tehnice ale încrederii, inclusiv confidențialitatea și responsabilitatea (accountability). Cititorul care a aplicat ideile din xxAI - Beyond Explainable AI de Andreas Holzinger va găsi aici o continuare necesară, trecând de la teoria generală a interpretabilității la metodologii specifice de evaluare cantitativă în fluxuri de date complexe.

Apreciem rigoarea cu care editorul Luca Longo a selectat materialele, păstrând linia cercetărilor sale anterioare din Artificial Intelligence and Cognitive Science. Dacă în lucrările sale precedente accentul cădea pe modelele mentale și volumul de muncă cognitivă, aici focusul se mută pe aplicații medicale avansate. Cuprinsul relevă studii de caz de o precizie tehnică remarcabilă, de la utilizarea Tsetlin Machines în medicina de precizie pentru gestionarea durerii cronice, până la arhitecturi de învățare profundă (deep learning) destinate diagnosticării depresiei prin EEG. Această progresie de la teorie la studii clinice validate face din volumul publicat de Springer o resursă tehnică indispensabilă.

Citește tot Restrânge

Din seria Communications in Computer and Information Science

Preț: 52033 lei

Preț vechi: 65042 lei
-20%

Puncte Express: 780
Paperback (2) de la 51897 lei

Carte disponibilă

Livrare economică 04-18 mai

 Adaugă în coș

Wish list
Gift list
Am citit!
Adaugă în listă

Specificații

ISBN-13: 9783031638022
ISBN-10: 3031638026
Pagini: 466
Ilustrații: XVII, 466 p. 149 illus., 136 illus. in color.
Dimensiuni: 155 x 235 mm
Greutate: 0.68 kg
Ediția:2024
Editura: Springer Nature Switzerland
Colecția Springer
Seria Communications in Computer and Information Science

Locul publicării:Cham, Switzerland

De ce să citești această carte

Recomandăm această lucrare profesioniștilor din data science și inginerie software care lucrează cu sisteme critice în medicină sau securitate. Veți câștiga o înțelegere profundă a metodelor de evaluare a explicațiilor AI și a modului în care echitatea și confidențialitatea pot fi integrate nativ în arhitecturile neuronale. Este un ghid practic pentru transformarea modelelor complexe în instrumente transparente și etice, esențiale pentru obținerea încrederii utilizatorilor finali.

Descriere scurtă

This four-volume set constitutes the refereed proceedings of the Second World Conference on Explainable Artificial Intelligence, xAI 2024, held in Valletta, Malta, during July 17-19, 2024. 
The 95 full papers presented were carefully reviewed and selected from 204 submissions. The conference papers are organized in topical sections on:
Part I - intrinsically interpretable XAI and concept-based global explainability; generative explainable AI and verifiability; notion, metrics, evaluation and benchmarking for XAI.
Part II - XAI for graphs and computer vision; logic, reasoning, and rule-based explainable AI; model-agnostic and statistical methods for eXplainable AI.
Part III - counterfactual explanations and causality for eXplainable AI; fairness, trust, privacy, security, accountability and actionability in eXplainable AI.
Part IV - explainable AI in healthcare and computational neuroscience; explainable AI for improved human-computer interaction and software engineering for explainability; applications of explainable artificial intelligence.

Cuprins

.- Explainable AI in healthcare and computational neuroscience.
.- SRFAMap: a method for mapping integrated gradients of a CNN trained with statistical radiomic features to medical image saliency maps.
.- Transparently Predicting Therapy Compliance of Young Adults Following Ischemic Stroke.
.- Precision medicine in student health: Insights from Tsetlin Machines into chronic pain and psychological distress.
.- Evaluating Local Explainable AI Techniques for the Classification of Chest X-ray Images.
.- Feature importance to explain multimodal prediction models. A clinical use case.
.- Identifying EEG Biomarkers of Depression with Novel Explainable Deep Learning Architectures.
.- Increasing Explainability in Time Series Classification by Functional Decomposition.
.- Towards Evaluation of Explainable Artificial Intelligence in Streaming Data.
.- Quantitative Evaluation of xAI Methods for Multivariate Time Series - A Case Study for a CNN-based MI Detection Model.
.- Explainable AI for improved human-computer interaction and Software Engineering for explainability.
.- Influenciae: A library for tracing the influence back to the data-points.
.- Explainability Engineering Challenges: Connecting Explainability Levels to Run-time Explainability.
.- On the Explainability of Financial Robo-advice Systems.
.- Can I trust my anomaly detection system? A case study based on explainable AI..
.- Explanations considered harmful: The Impact of misleading Explanations on Accuracy in hybrid human-AI decision making.
.- Human emotions in AI explanations.
.- Study on the Helpfulness of Explainable Artificial Intelligence.
.- Applications of explainable artificial intelligence.
.- Pricing Risk: An XAI Analysis of Irish Car Insurance Premiums.
.- Exploring the Role of Explainable AI in the Development and Qualification of Aircraft Quality Assurance Processes: A Case Study.
.- Explainable Artificial Intelligence applied to Predictive Maintenance: Comparison of Post-hoc Explainability Techniques.
.- A comparative analysis of SHAP, LIME, ANCHORS, and DICE for interpreting a dense neural network in Credit Card Fraud Detection.
.- Application of the representative measure approach to assess the reliability of decision trees in dealing with unseen vehicle collision data.
.- Ensuring Safe Social Navigation via Explainable Probabilistic and Conformal Safety Regions.
.- Explaining AI Decisions: Towards Achieving Human-Centered Explainability in Smart Home Environments.
.- AcME-AD: Accelerated Model Explanations for Anomaly Detection.