Buchumschlag

Seeking Interpretability and Explainability in Binary Activated Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Leblanc, Benjamin, Germain, Pascal
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

On the Relationship Between Interpretability and Explainability in Machine Learning
von: Leblanc, Benjamin, et al.
Veröffentlicht: (2023)

A Framework for Bounding Deterministic Risk with PAC-Bayes: Applications to Majority Votes
von: Leblanc, Benjamin, et al.
Veröffentlicht: (2025)

Generalization Bounds via Meta-Learned Model Representations: PAC-Bayes and Sample Compression Hypernetworks
von: Leblanc, Benjamin, et al.
Veröffentlicht: (2024)

Hidden Activations Are Not Enough: A General Approach to Neural Network Predictions
von: Leblanc, Samuel, et al.
Veröffentlicht: (2024)

PAC-Bayesian Generalization Guarantees for Fairness on Stochastic and Deterministic Classifiers
von: Bastian, Julien, et al.
Veröffentlicht: (2026)

Physics-Inspired Binary Neural Networks: Interpretable Compression with Theoretical Guarantees
von: Eamaz, Arian, et al.
Veröffentlicht: (2025)

Designed Dithering Sign Activation for Binary Neural Networks
von: Monroy, Brayan, et al.
Veröffentlicht: (2024)

Bound to Disagree: Generalization Bounds via Certifiable Surrogates
von: Bazinet, Mathieu, et al.
Veröffentlicht: (2026)

Sample Compression Unleashed: New Generalization Bounds for Real Valued Losses
von: Bazinet, Mathieu, et al.
Veröffentlicht: (2024)

A Generalized Tikhonov Layer for Interpretable-by-design Graph Neural Networks
von: Tremblay, Nicolas, et al.
Veröffentlicht: (2026)

Massive Activations in Graph Neural Networks: Decoding Attention for Domain-Dependent Interpretability
von: Bini, Lorenzo, et al.
Veröffentlicht: (2024)

How Interpretable Are Interpretable Graph Neural Networks?
von: Chen, Yongqiang, et al.
Veröffentlicht: (2024)

Semiring Activation in Neural Networks
von: Smets, Bart M. N., et al.
Veröffentlicht: (2024)

Hidden Conflicts in Neural Networks and Their Implications for Explainability
von: Dejl, Adam, et al.
Veröffentlicht: (2023)

Sample Compression for Self Certified Continual Learning
von: Comeau, Jacob, et al.
Veröffentlicht: (2025)

Information Plane Analysis of Binary Neural Networks
von: Nothnagel, Maximilian, et al.
Veröffentlicht: (2026)

Binary Sparse Coding for Interpretability
von: Quirke, Lucia, et al.
Veröffentlicht: (2025)

Learning Neural Networks with Sparse Activations
von: Awasthi, Pranjal, et al.
Veröffentlicht: (2024)

Deeply Explainable Artificial Neural Network
von: Zucker, David
Veröffentlicht: (2025)

Towards Explainable Indoor Localization: Interpreting Neural Network Learning on Wi-Fi Fingerprints Using Logic Gates
von: Gufran, Danish, et al.
Veröffentlicht: (2025)

FSNet: Feasibility-Seeking Neural Network for Constrained Optimization with Guarantees
von: Nguyen, Hoang T., et al.
Veröffentlicht: (2025)

Enabling On-device Continual Learning with Binary Neural Networks
von: Vorabbi, Lorenzo, et al.
Veröffentlicht: (2024)

Adaptive Structured Pruning of Convolutional Neural Networks for Time Series Classification
von: Abdullayev, Javidan, et al.
Veröffentlicht: (2026)

Enhancing Time Series Classification with Diversity-Driven Neural Network Ensembles
von: Abdullayev, Javidan, et al.
Veröffentlicht: (2026)

Towards Robust Fidelity for Evaluating Explainability of Graph Neural Networks
von: Zheng, Xu, et al.
Veröffentlicht: (2023)

Explainable Neural Networks with Guarantees: A Sparse Estimation Approach
von: Ledent, Antoine, et al.
Veröffentlicht: (2025)

On the Interpretability of Quantum Neural Networks
von: Pira, Lirandë, et al.
Veröffentlicht: (2023)

Hyperbolic Binary Neural Network
von: Chen, Jun, et al.
Veröffentlicht: (2025)

Interpreting Deep Neural Networks with the Package innsight
von: Koenen, Niklas, et al.
Veröffentlicht: (2023)

CONFINE: Conformal Prediction for Interpretable Neural Networks
von: Huang, Linhui, et al.
Veröffentlicht: (2024)

Evaluating Neighbor Explainability for Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2023)

Explainable Graph Neural Networks Under Fire
von: Li, Zhong, et al.
Veröffentlicht: (2024)

Data Science Principles for Interpretable and Explainable AI
von: Sankaran, Kris
Veröffentlicht: (2024)

Fast and Slow Gradient Approximation for Binary Neural Network Optimization
von: Chen, Xinquan, et al.
Veröffentlicht: (2024)

Active Continual Learning with Metaplastic Binary Bayesian Neural Networks
von: Cottart, Kellian, et al.
Veröffentlicht: (2026)

Explainability of Highly Associated Fuzzy Churn Patterns in Binary Classification
von: Wang, D. Y. C., et al.
Veröffentlicht: (2024)

Explainable Graph Neural Networks: Understanding Brain Connectivity and Biomarkers in Dementia
von: Tewari, Niharika, et al.
Veröffentlicht: (2025)

Uncertainty-Aware Explanations Through Probabilistic Self-Explainable Neural Networks
von: Vadillo, Jon, et al.
Veröffentlicht: (2024)

Gaussian Pre-Activations in Neural Networks: Myth or Reality?
von: Wolinski, Pierre, et al.
Veröffentlicht: (2022)

Deep Neural Network Initialization with Sparsity Inducing Activations
von: Price, Ilan, et al.
Veröffentlicht: (2024)