Buchumschlag

Towards Robust Fidelity for Evaluating Explainability of Graph Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zheng, Xu, Shirani, Farhad, Wang, Tianchun, Cheng, Wei, Chen, Zhuomin, Chen, Haifeng, Wei, Hua, Luo, Dongsheng
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

F-Fidelity: A Robust Framework for Faithfulness Evaluation of Explainable AI
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

PAC Learnability under Explanation-Preserving Graph Perturbations
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

Factorized Explainer for Graph Neural Networks
von: Huang, Rundong, et al.
Veröffentlicht: (2023)

Explanation-Preserving Augmentation for Semi-Supervised Graph Representation Learning
von: Chen, Zhuomin, et al.
Veröffentlicht: (2024)

TimeX++: Learning Time-Series Explanations with Information Bottleneck
von: Liu, Zichuan, et al.
Veröffentlicht: (2024)

RegExplainer: Generating Explanations for Graph Neural Networks in Regression Tasks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2023)

Parametric Augmentation for Time Series Contrastive Learning
von: Zheng, Xu, et al.
Veröffentlicht: (2024)

From Binary to Continuous: Stochastic Re-Weighting for Robust Graph Explanation
von: Chen, Zhuomin, et al.
Veröffentlicht: (2025)

Generating In-Distribution Proxy Graphs for Explaining Graph Neural Networks
von: Chen, Zhuomin, et al.
Veröffentlicht: (2024)

LM$^2$otifs : An Explainable Framework for Machine-Generated Texts Detection
von: Zheng, Xu, et al.
Veröffentlicht: (2025)

SF$^2$Bench: Evaluating Data-Driven Models for Compound Flood Forecasting in South Florida
von: Zheng, Xu, et al.
Veröffentlicht: (2025)

Is Your Explanation Reliable: Confidence-Aware Explanation on Graph Neural Networks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2025)

Humanizing the Machine: Proxy Attacks to Mislead LLM Detectors
von: Wang, Tianchun, et al.
Veröffentlicht: (2024)

On the Effect of Sampling Diversity in Scaling LLM Inference
von: Wang, Tianchun, et al.
Veröffentlicht: (2025)

Are Classification Robustness and Explanation Robustness Really Strongly Correlated? An Analysis Through Input Loss Landscape
von: Chen, Tiejin, et al.
Veröffentlicht: (2024)

GraphFramEx: Towards Systematic Evaluation of Explainability Methods for Graph Neural Networks
von: Amara, Kenza, et al.
Veröffentlicht: (2022)

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

Explainable Fuzzy Neural Network with Multi-Fidelity Reinforcement Learning for Micro-Architecture Design Space Exploration
von: Fan, Hanwei, et al.
Veröffentlicht: (2024)

Towards Explainable Graph Neural Networks for Neurological Evaluation on EEG Signals
von: Protani, Andrea, et al.
Veröffentlicht: (2024)

Towards Reliable Evaluation of Adversarial Robustness for Spiking Neural Networks
von: Wang, Jihang, et al.
Veröffentlicht: (2025)

Explainable Global Wildfire Prediction Models using Graph Neural Networks
von: Chen, Dayou, et al.
Veröffentlicht: (2024)

A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability
von: Dai, Enyan, et al.
Veröffentlicht: (2022)

On the Adversarial Robustness of Graph Neural Networks with Graph Reduction
von: Wu, Kerui, et al.
Veröffentlicht: (2024)

Exploring Multi-Modal Data with Tool-Augmented LLM Agents for Precise Causal Discovery
von: Shen, ChengAo, et al.
Veröffentlicht: (2024)

FlowX: Towards Explainable Graph Neural Networks via Message Flows
von: Gui, Shurui, et al.
Veröffentlicht: (2022)

Unveiling Global Interactive Patterns across Graphs: Towards Interpretable Graph Neural Networks
von: Wang, Yuwen, et al.
Veröffentlicht: (2024)

Robust Anomaly Detection with Graph Neural Networks using Controllability
von: Wei, Yifan, et al.
Veröffentlicht: (2025)

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

Are LLM-Enhanced Graph Neural Networks Robust against Poisoning Attacks?
von: Ma, Yuhang, et al.
Veröffentlicht: (2026)

LLMExplainer: Large Language Model based Bayesian Inference for Graph Explanation Generation
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2024)

Model Metamers Reveal Invariances in Graph Neural Networks
von: Xu, Wei, et al.
Veröffentlicht: (2025)

BSFA: Leveraging the Subspace Dichotomy to Accelerate Neural Network Training
von: Zhou, Wenjie, et al.
Veröffentlicht: (2025)

MMFNet: Multi-Scale Frequency Masking Neural Network for Multivariate Time Series Forecasting
von: Ma, Aitian, et al.
Veröffentlicht: (2024)

TimeXL: Explainable Multi-modal Time Series Prediction with LLM-in-the-Loop
von: Jiang, Yushan, et al.
Veröffentlicht: (2025)

Towards Dynamic Graph Neural Networks with Provably High-Order Expressive Power
von: Wang, Zhe, et al.
Veröffentlicht: (2024)

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

Adversarial Attacks on Fairness of Graph Neural Networks
von: Zhang, Binchi, et al.
Veröffentlicht: (2023)

Bipartite Graph Attention-based Clustering for Large-scale scRNA-seq Data
von: Liang, Zhuomin, et al.
Veröffentlicht: (2026)

ROOT: Robust Orthogonalized Optimizer for Neural Network Training
von: He, Wei, et al.
Veröffentlicht: (2025)

GraphPI: Efficient Protein Inference with Graph Neural Networks
von: Ma, Zheng, et al.
Veröffentlicht: (2026)