Buchumschlag

Interpreting Equivariant Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hansen, Andreas Abildtrup, Calissano, Anna, Feragen, Aasa
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Graph Counterfactual Explainable AI via Latent Space Traversal
von: Hansen, Andreas Abildtrup, et al.
Veröffentlicht: (2025)

Counterfactual Explanations via Riemannian Latent Space Traversal
von: Pegios, Paraskevas, et al.
Veröffentlicht: (2024)

Patronus: Interpretable Diffusion Models with Prototypes
von: Weng, Nina, et al.
Veröffentlicht: (2025)

Navigating Uncertainty in Medical Image Segmentation
von: Zepf, Kilian, et al.
Veröffentlicht: (2024)

Towards Fairness under Label Bias in Image Segmentation: Impact, Measurement and Mitigation
von: Parikh, Aditya, et al.
Veröffentlicht: (2026)

Topological Spatial Graph Coarsening
von: Calissano, Anna, et al.
Veröffentlicht: (2025)

Are demographically invariant models and representations in medical imaging fair?
von: Petersen, Eike, et al.
Veröffentlicht: (2023)

Slicing Through Bias: Explaining Performance Gaps in Medical Image Analysis using Slice Discovery Methods
von: Olesen, Vincent, et al.
Veröffentlicht: (2024)

Bayesian generative models can flag performance loss, bias, and out-of-distribution image content
von: López-Pérez, Miguel, et al.
Veröffentlicht: (2025)

Barycentric subspace analysis of network-valued data
von: Maignant, Elodie, et al.
Veröffentlicht: (2025)

Investigating Label Bias and Representational Sources of Age-Related Disparities in Medical Segmentation
von: Parikh, Aditya, et al.
Veröffentlicht: (2025)

Conformal Graph Prediction with Z-Gromov Wasserstein Distances
von: Melo, Gabriel, et al.
Veröffentlicht: (2026)

Fair Lung Disease Diagnosis from Chest CT via Gender-Adversarial Attention Multiple Instance Learning
von: Parikh, Aditya, et al.
Veröffentlicht: (2026)

Laplacian Segmentation Networks Improve Epistemic Uncertainty Quantification
von: Zepf, Kilian, et al.
Veröffentlicht: (2023)

Group Equivariance Meets Mechanistic Interpretability: Equivariant Sparse Autoencoders
von: Erdogan, Ege, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Group Invariant and Equivariant Representations
von: Winter, Robin, et al.
Veröffentlicht: (2022)

Equivariance by Local Canonicalization: A Matter of Representation
von: Gerhartz, Gerrit, et al.
Veröffentlicht: (2025)

A Framework for Exploring and Disentangling Intersectional Bias: A Case Study in Fetal Ultrasound
von: Elgebaly, Aya, et al.
Veröffentlicht: (2026)

Mathematical Foundation of Interpretable Equivariant Surrogate Models
von: Colombini, Jacopo Joy, et al.
Veröffentlicht: (2025)

Contrastive Learning Via Equivariant Representation
von: Song, Sifan, et al.
Veröffentlicht: (2024)

Shortcut Learning in Medical Image Segmentation
von: Lin, Manxi, et al.
Veröffentlicht: (2024)

Weight Space Correlation Analysis: Quantifying Feature Utilization in Deep Learning Models
von: Wong, Chun Kit, et al.
Veröffentlicht: (2025)

Generalizing Fairness to Generative Language Models via Reformulation of Non-discrimination Criteria
von: Sterlie, Sara, et al.
Veröffentlicht: (2024)

Who Does Your Algorithm Fail? Investigating Age and Ethnic Bias in the MAMA-MIA Dataset
von: Parikh, Aditya, et al.
Veröffentlicht: (2025)

Learning Color Equivariant Representations
von: Yang, Yulong, et al.
Veröffentlicht: (2024)

Stability Analysis of Equivariant Convolutional Representations Through The Lens of Equivariant Multi-layered CKNs
von: Chowdhury, Soutrik Roy
Veröffentlicht: (2024)

General Methods Make Great Domain-specific Foundation Models: A Case-study on Fetal Ultrasound
von: Ambsdorf, Jakob, et al.
Veröffentlicht: (2025)

Are High-Degree Representations Really Unnecessary in Equivariant Graph Neural Networks?
von: Cen, Jiacheng, et al.
Veröffentlicht: (2024)

Neural Fourier Transform: A General Approach to Equivariant Representation Learning
von: Koyama, Masanori, et al.
Veröffentlicht: (2023)

PRIME: Protein Representation via Physics-Informed Multiscale Equivariant Hierarchies
von: Nguyen, Viet Thanh Duy, et al.
Veröffentlicht: (2026)

Geometric Representation Condition Improves Equivariant Molecule Generation
von: Li, Zian, et al.
Veröffentlicht: (2024)

Equivariant Masked Position Prediction for Efficient Molecular Representation
von: An, Junyi, et al.
Veröffentlicht: (2025)

Permutation Equivariant Neural Controlled Differential Equations for Dynamic Graph Representation Learning
von: Berndt, Torben, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Revisiting Multi-Permutation Equivariance through the Lens of Irreducible Representations
von: Sverdlov, Yonatan, et al.
Veröffentlicht: (2024)

Are generative models fair? A study of racial bias in dermatological image generation
von: López-Pérez, Miguel, et al.
Veröffentlicht: (2025)

O$n$ Learning Deep O($n$)-Equivariant Hyperspheres
von: Melnyk, Pavlo, et al.
Veröffentlicht: (2023)

Symbol-Equivariant Recurrent Reasoning Models
von: Freinschlag, Richard, et al.
Veröffentlicht: (2026)

Diffusion-based Iterative Counterfactual Explanations for Fetal Ultrasound Image Quality Assessment
von: Pegios, Paraskevas, et al.
Veröffentlicht: (2024)

An Equivariant Pretrained Transformer for Unified 3D Molecular Representation Learning
von: Jiao, Rui, et al.
Veröffentlicht: (2024)