Grégoire Montavon

Citado por

	Total	Desde 2019
Citas	25165	22814
Índice h	40	39
Índice i10	62	59

5000

2500

1250

3750

2014201520162017201820192020202120222023202475 151 241 548 1077 1924 2796 3751 4654 4948 4651

Acceso público

Ver todo

46 artículos

4 artículos

disponibles

no disponibles

Basado en requisitos de financiación

Coautores

Klaus-Robert MüllerGoogle DeepMind & TU Berlin & Korea University & Max Planck Institute for Informatics, GermanyDirección de correo verificada de tu-berlin.de
Wojciech SamekProfessor at TU Berlin, Head of AI Department at Fraunhofer HHI, BIFOLD FellowDirección de correo verificada de tu-berlin.de
Alexander BinderChair Computer Vision, OvGU, Magdeburg, GermanyDirección de correo verificada de ovgu.de
Sebastian LapuschkinHead of Explainable AI, Fraunhofer Heinrich Hertz InstituteDirección de correo verificada de hhi.fraunhofer.de
Frederick KlauschenInstitute of Pathology, University of Munich (LMU)Dirección de correo verificada de lmu.de
Jacob KauffmannTU BerlinDirección de correo verificada de tu-berlin.de
Lukas RuffAignosticsDirección de correo verificada de aignostics.com
Oliver EberleTU BerlinDirección de correo verificada de tu-berlin.de
Leila ArrasResearch Associate, Fraunhofer HHI, BIFOLD, Berlin, GermanyDirección de correo verificada de hhi.fraunhofer.de
Christopher J. AndersCenter for Advanced Intelligence Project (AIP), RIKEN, TokyoDirección de correo verificada de riken.jp
Thomas SchnakeTechnical University of BerlinDirección de correo verificada de tu-berlin.de
Matthias RuppLuxembourg Institute of Science and Technology (LIST)Dirección de correo verificada de list.lu
Shinichi NakajimaBIFOLD, Technische Universität BerlinDirección de correo verificada de tu-berlin.de
O. Anatole von LilienfeldClark & CIFAR AI chair at University of Toronto/Vector Institute/Technical University BerlinDirección de correo verificada de utoronto.ca
Siddhant AgarwalHelmholtz-Zentrum HereonDirección de correo verificada de hereon.de
Marco CuturiApple / CREST-ENSAE.Dirección de correo verificada de apple.com
Pattarawat ChormaiTechnische Universität Berlin and Max Planck School of CognitionDirección de correo verificada de tu-berlin.de
Ping XiongTechnical University BerlinDirección de correo verificada de tu-berlin.de
Johanna VielhabenFraunhofer HHIDirección de correo verificada de hhi.fraunhofer.de
Léo AndéolInstitut de Mathématiques de Toulouse / SNCFDirección de correo verificada de math.univ-toulouse.fr

Seguir

Grégoire Montavon

Guest professor, Freie Universität Berlin

Dirección de correo verificada de fu-berlin.de - Página principal

Explainable AI Machine Learning Data Science


Título Ordenar por citas Ordenar por año Ordenar por título	Citado por Citado por	Año
On pixel-wise explanations for non-linear classifier decisions by layer-wise relevance propagation S Bach, A Binder, G Montavon, F Klauschen, KR Müller, W Samek PloS one 10 (7), e0130140, 2015	5227	2015
Methods for interpreting and understanding deep neural networks G Montavon, W Samek, KR Müller Digital Signal Processing, 2018	3084	2018
Explaining nonlinear classification decisions with deep taylor decomposition G Montavon, S Lapuschkin, A Binder, W Samek, KR Müller Pattern recognition 65, 211-222, 2017	1700	2017
Evaluating the visualization of what a deep neural network has learned W Samek, A Binder, G Montavon, S Lapuschkin, KR Müller IEEE transactions on neural networks and learning systems 28 (11), 2660-2673, 2016	1453	2016
Explainable AI: interpreting, explaining and visualizing deep learning W Samek, G Montavon, A Vedaldi, LK Hansen, KR Müller Springer Nature, 2019	1389	2019
Explaining deep neural networks and beyond: a review of methods and applications W Samek, G Montavon, S Lapuschkin, CJ Anders, KR Müller Proceedings of the IEEE 109 (3), 2021	1269	2021
Unmasking Clever Hans predictors and assessing what machines really learn S Lapuschkin, S Wäldchen, A Binder, G Montavon, W Samek, KR Müller Nature communications 10 (1), 1096, 2019	1257	2019
A unifying review of deep and shallow anomaly detection L Ruff, JR Kauffmann, RA Vandermeulen, G Montavon, W Samek, M Kloft, ... Proceedings of the IEEE, 1-40, 2021	1027	2021
Layer-wise relevance propagation: an overview G Montavon, A Binder, S Lapuschkin, W Samek, KR Müller Explainable AI: interpreting, explaining and visualizing deep learning, 193-209, 2019	941	2019
Neural networks-tricks of the trade second edition G Montavon, G Orr, KR Müller Springer, DOI 10, 978-3, 2012	924*	2012
Machine learning of molecular electronic properties in chemical compound space G Montavon, M Rupp, V Gobre, A Vazquez-Mayagoitia, K Hansen, ... New Journal of Physics 15 (9), 095003, 2013	795	2013
Assessment and validation of machine learning methods for predicting molecular atomization energies K Hansen, G Montavon, F Biegler, S Fazli, M Rupp, M Scheffler, ... Journal of chemical theory and computation 9 (8), 3404-3419, 2013	714	2013
Layer-wise relevance propagation for neural networks with local renormalization layers A Binder, G Montavon, S Lapuschkin, KR Müller, W Samek Artificial Neural Networks and Machine Learning–ICANN 2016: 25th …, 2016	571	2016
Explaining recurrent neural network predictions in sentiment analysis L Arras, G Montavon, KR Müller, W Samek arXiv preprint arXiv:1706.07206, 2017	471	2017
iNNvestigate neural networks! M Alber, S Lapuschkin, P Seegerer, M Hägele, KT Schütt, G Montavon, ... Journal of machine learning research 20 (93), 1-8, 2019	439	2019
" What is relevant in a text document?": An interpretable machine learning approach L Arras, F Horn, G Montavon, KR Müller, W Samek PloS one 12 (8), e0181142, 2017	392	2017
Higher-order explanations of graph neural networks via relevant walks T Schnake, O Eberle, J Lederer, S Nakajima, KT Schütt, KR Müller, ... IEEE Transactions on Pattern Analysis and Machine Intelligence 44 (11), 7581 …, 2022	305*	2022
Analyzing classifiers: Fisher vectors and deep neural networks S Lapuschkin, A Binder, G Montavon, KR Muller, W Samek Proceedings of the IEEE Conference on Computer Vision and Pattern …, 2016	268	2016
Learning Invariant Representations of Molecules for Atomization Energy Prediction G Montavon, K Hansen, S Fazli, M Rupp, F Biegler, A Ziehe, ... Advances in Neural Information Processing Systems 25, 449-457, 2012	209	2012
Layer-wise relevance propagation for deep neural network architectures A Binder, S Bach, G Montavon, KR Müller, W Samek Information science and applications (ICISA) 2016, 913-922, 2016	206	2016

El sistema no puede realizar la operación en estos momentos. Inténtalo de nuevo más tarde.

Artículos 1–20

Citas por año

Citas duplicadas

Citas combinadas

Añadir coautoresCoautores

Seguir

Citado por

Coautores