本研究提出了一种名为HyConEx的新型分类模型，旨在提升可解释人工智能的决策理解能力。HyConEx利用深度超网络架构，提供准确的分类预测，并生成反事实示例，以解释影响模型结果的关键特征，兼具高效分类性能和良好可解释性。

深度学习在图像异常检测方面取得了重要进展，但其复杂性使得异常预测的理解变得困难。我们提出了一种新方法，通过生成多个反事实示例，提供异常的高级语义解释，帮助用户探索“假设情景”。定性和定量分析表明，该方法能够为先进的异常检测器提供高质量的解释。