Buchumschlag

Does a Neural Network Really Encode Symbolic Concepts?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Mingjie, Zhang, Quanshi
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Technical Note: Defining and Quantifying AND-OR Interactions for Faithful and Concise Explanation of DNNs
von: Li, Mingjie, et al.
Veröffentlicht: (2023)

Where We Have Arrived in Proving the Emergence of Sparse Symbolic Concepts in AI Models
von: Ren, Qihan, et al.
Veröffentlicht: (2023)

Revisiting Generalization Power of a DNN in Terms of Symbolic Interactions
von: Cheng, Lei, et al.
Veröffentlicht: (2025)

Towards the Resistance of Neural Network Watermarking to Fine-tuning
von: Tang, Ling, et al.
Veröffentlicht: (2025)

Towards the Dynamics of a DNN Learning Symbolic Interactions
von: Ren, Qihan, et al.
Veröffentlicht: (2024)

Explaining Generalization Power of a DNN Using Interactive Concepts
von: Zhou, Huilin, et al.
Veröffentlicht: (2023)

Towards Attributions of Input Variables in a Coalition
von: Zheng, Xinhao, et al.
Veröffentlicht: (2023)

Layerwise Change of Knowledge in Neural Networks
von: Cheng, Xu, et al.
Veröffentlicht: (2024)

Two-Phase Dynamics of Interactions Explains the Starting Point of a DNN Learning Over-Fitted Features
von: Zhang, Junpeng, et al.
Veröffentlicht: (2024)

Defining and Extracting generalizable interaction primitives from DNNs
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Randomness of Low-Layer Parameters Determines Confusing Samples in Terms of Interaction Representations of a DNN
von: Zhang, Junpeng, et al.
Veröffentlicht: (2025)

Disentangling Regional Primitives for Image Generation
von: Chen, Zhengting, et al.
Veröffentlicht: (2024)

Understanding Multimodal Deep Neural Networks: A Concept Selection View
von: Shang, Chenming, et al.
Veröffentlicht: (2024)

Technical Report: Quantifying and Analyzing the Generalization Power of a DNN
von: He, Yuxuan, et al.
Veröffentlicht: (2025)

Neuro-Symbolic Concepts
von: Mao, Jiayuan, et al.
Veröffentlicht: (2025)

Learning Concept-Based Causal Transition and Symbolic Reasoning for Visual Planning
von: Qian, Yilue, et al.
Veröffentlicht: (2023)

Understanding Distributed Representations of Concepts in Deep Neural Networks without Supervision
von: Chang, Wonjoon, et al.
Veröffentlicht: (2023)

Achieving Data Efficient Neural Networks with Hybrid Concept-based Models
von: Opsahl, Tobias A., et al.
Veröffentlicht: (2024)

FaCT: Faithful Concept Traces for Explaining Neural Network Decisions
von: Parchami-Araghi, Amin, et al.
Veröffentlicht: (2025)

Quantifying In-Context Reasoning Effects and Memorization Effects in LLMs
von: Lou, Siyu, et al.
Veröffentlicht: (2024)

FastCAV: Efficient Computation of Concept Activation Vectors for Explaining Deep Neural Networks
von: Schmalwasser, Laines, et al.
Veröffentlicht: (2025)

Bridging Neural and Symbolic Representations with Transitional Dictionary Learning
von: Cheng, Junyan, et al.
Veröffentlicht: (2023)

Concept-Guided Interpretability via Neural Chunking
von: Wu, Shuchen, et al.
Veröffentlicht: (2025)

MambaOut: Do We Really Need Mamba for Vision?
von: Yu, Weihao, et al.
Veröffentlicht: (2024)

Multi-Head Encoding for Extreme Label Classification
von: Liang, Daojun, et al.
Veröffentlicht: (2024)

Pix2Code: Learning to Compose Neural Visual Concepts as Programs
von: Wüst, Antonia, et al.
Veröffentlicht: (2024)

From Neural Activations to Concepts: A Survey on Explaining Concepts in Neural Networks
von: Lee, Jae Hee, et al.
Veröffentlicht: (2023)

ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
von: Chavhan, Ruchika, et al.
Veröffentlicht: (2024)

Navigating Neural Space: Revisiting Concept Activation Vectors to Overcome Directional Divergence
von: Pahde, Frederik, et al.
Veröffentlicht: (2022)

Restyling Unsupervised Concept Based Interpretable Networks with Generative Models
von: Parekh, Jayneel, et al.
Veröffentlicht: (2024)

ICED: Concept-level Machine Unlearning via Interpretable Concept Decomposition
von: Lin, Shen, et al.
Veröffentlicht: (2026)

Concept Weaver: Enabling Multi-Concept Fusion in Text-to-Image Models
von: Kwon, Gihyun, et al.
Veröffentlicht: (2024)

Evaluating the Correctness of Inference Patterns Used by LLMs for Judgment
von: Chen, Lu, et al.
Veröffentlicht: (2024)

Energy-Based Concept Bottleneck Models: Unifying Prediction, Concept Intervention, and Probabilistic Interpretations
von: Xu, Xinyue, et al.
Veröffentlicht: (2024)

Symbolic Disentangled Representations for Images
von: Korchemnyi, Alexandr, et al.
Veröffentlicht: (2024)

Concept Arithmetics for Circumventing Concept Inhibition in Diffusion Models
von: Petsiuk, Vitali, et al.
Veröffentlicht: (2024)

A Geometric Unification of Concept Learning with Concept Cones
von: Rocchi--Henry, Alexandre, et al.
Veröffentlicht: (2025)

Editable Concept Bottleneck Models
von: Hu, Lijie, et al.
Veröffentlicht: (2024)

Encodings for Prediction-based Neural Architecture Search
von: Akhauri, Yash, et al.
Veröffentlicht: (2024)

OmniPrism: Learning Disentangled Visual Concept for Image Generation
von: Li, Yangyang, et al.
Veröffentlicht: (2024)