Buchumschlag

Explainable Graph Neural Networks Under Fire

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Zhong, Geisler, Simon, Wang, Yuhang, Günnemann, Stephan, van Leeuwen, Matthijs
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Spatio-Spectral Graph Neural Networks
von: Geisler, Simon, et al.
Veröffentlicht: (2024)

Towards Automated Self-Supervised Learning for Truly Unsupervised Graph Anomaly Detection
von: Li, Zhong, et al.
Veröffentlicht: (2025)

Long-Range Graph Wavelet Networks
von: Guerranti, Filippo, et al.
Veröffentlicht: (2025)

Graph Neural Networks based Log Anomaly Detection and Explanation
von: Li, Zhong, et al.
Veröffentlicht: (2023)

Scalable, Explainable and Provably Robust Anomaly Detection with One-Step Flow Matching
von: Li, Zhong, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Edge Signals: Orientation Equivariance and Invariance
von: Fuchsgruber, Dominik, et al.
Veröffentlicht: (2024)

The Geometry of Refusal in Large Language Models: Concept Cones and Representational Independence
von: Wollschläger, Tom, et al.
Veröffentlicht: (2025)

Randomized Message-Interception Smoothing: Gray-box Certificates for Graph Neural Networks
von: Scholten, Yan, et al.
Veröffentlicht: (2023)

Graph Neural Networks for Transmission Grid Topology Control: Busbar Information Asymmetry and Heterogeneous Representations
von: de Jong, Matthijs, et al.
Veröffentlicht: (2025)

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

Diffusion and Flow Matching Models for Tabular Data: A Survey
von: Li, Zhong, et al.
Veröffentlicht: (2025)

SES: Bridging the Gap Between Explainability and Prediction of Graph Neural Networks
von: Huang, Zhenhua, et al.
Veröffentlicht: (2024)

A Probabilistic Perspective on Unlearning and Alignment for Large Language Models
von: Scholten, Yan, et al.
Veröffentlicht: (2024)

Intriguing Properties of Input-dependent Randomized Smoothing
von: Súkeník, Peter, et al.
Veröffentlicht: (2021)

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

Parallelizing Node-Level Explainability in Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2026)

Rethinking Link Prediction for Directed Graphs
von: He, Mingguo, et al.
Veröffentlicht: (2025)

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

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

Model Collapse Is Not a Bug but a Feature in Machine Unlearning for LLMs
von: Scholten, Yan, et al.
Veröffentlicht: (2025)

Adversarial Robustness of Graph Transformers
von: Foth, Philipp, et al.
Veröffentlicht: (2024)

The Path to Open Innovation: Peer-Review Under Fire (PRUF)
von: Billions, Ava, et al.
Veröffentlicht: (2025)

GNN-XAR: A Graph Neural Network for Explainable Activity Recognition in Smart Homes
von: Fiori, Michele, et al.
Veröffentlicht: (2025)

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

Atherosclerosis through Hierarchical Explainable Neural Network Analysis
von: Adam, Irsyad, et al.
Veröffentlicht: (2025)

GraphRAG under Fire
von: Liang, Jiacheng, et al.
Veröffentlicht: (2025)

From Text to Graph: Leveraging Graph Neural Networks for Enhanced Explainability in NLP
von: Yáñez-Romero, Fabio, et al.
Veröffentlicht: (2025)

Directly Follows Graphs Go Predictive Process Monitoring With Graph Neural Networks
von: Lischka, Attila, et al.
Veröffentlicht: (2025)

Flow Matching with Gaussian Process Priors for Probabilistic Time Series Forecasting
von: Kollovieh, Marcel, et al.
Veröffentlicht: (2024)

Predictive Feature Caching for Training-free Acceleration of Molecular Geometry Generation
von: Sommer, Johanna, et al.
Veröffentlicht: (2025)

GRAPES: Learning to Sample Graphs for Scalable Graph Neural Networks
von: Younesian, Taraneh, et al.
Veröffentlicht: (2023)

Graph Attention Networks Unleashed: A Fast and Explainable Vulnerability Assessment Framework for Microgrids
von: Liu, Wei, et al.
Veröffentlicht: (2025)

MENDR: Manifold Explainable Neural Data Representations
von: Chen, Matthew, et al.
Veröffentlicht: (2025)

Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring
von: Moin, Armin, et al.
Veröffentlicht: (2022)

On the Sensitivity of Firing Rate-Based Federated Spiking Neural Networks to Differential Privacy
von: Pereira, Luiz, et al.
Veröffentlicht: (2026)

Neural Networks with LSTM and GRU in Modeling Active Fires in the Amazon
von: Tavares, Ramon, et al.
Veröffentlicht: (2024)

Commute Graph Neural Networks
von: Zhuo, Wei, et al.
Veröffentlicht: (2024)

Generalizing Graph Neural Networks on Out-Of-Distribution Graphs
von: Fan, Shaohua, et al.
Veröffentlicht: (2021)

Extracting Unlearned Information from LLMs with Activation Steering
von: Seyitoğlu, Atakan, et al.
Veröffentlicht: (2024)

Compressing Deep Neural Networks Using Explainable AI
von: Soroush, Kimia, et al.
Veröffentlicht: (2025)