Archivio Istituzionale della RicercaWe apply an explainable artificial intelligence framework to interpret quality of transmission predictions produced by a machine learning model. The framework identifies the combinations of features’ values relevant to drive the prediction process
Quantifying Features’ Contribution for ML-based Quality-of-Transmission Estimation using Explainable AI / Ayoub, Omran; Andreoletti, Davide; Troia, Sebastian; Giordano, Silvia; Bianco, Andrea; Rottondi, Cristina. - ELETTRONICO. - (2022), pp. 1-4. (Intervento presentato al convegno European Conference on Optical Communication (ECOC) 2022 tenutosi a Basel, Switzerland nel 18–22 September 2022).
Quantifying Features’ Contribution for ML-based Quality-of-Transmission Estimation using Explainable AI
Andrea Bianco;Cristina Rottondi
2022
Abstract
We apply an explainable artificial intelligence framework to interpret quality of transmission predictions produced by a machine learning model. The framework identifies the combinations of features’ values relevant to drive the prediction process
| File | Dimensione | Formato | |
|---|---|---|---|
|
ECOC_XAI_QoT (3).pdf
Open Access dal 23/09/2023
Descrizione: postprint versione accettata
Tipologia:
2. Post-print / Author's Accepted Manuscript
Licenza:
Pubblico - Tutti i diritti riservati
Dimensione
1.36 MB
Formato
Adobe PDF
|
1.36 MB | Adobe PDF | Visualizza/Apri |
|
Rottondi-Quantifying.pdf
accesso riservato
Tipologia:
2a Post-print versione editoriale / Version of Record
Licenza:
Non Pubblico - Accesso privato/ristretto
Dimensione
1.45 MB
Formato
Adobe PDF
|
1.45 MB | Adobe PDF | Visualizza/Apri Richiedi una copia |
Pubblicazioni consigliate
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/11583/2974079