Copertina

Graph Structure Learning with Interpretable Bayesian Neural Networks

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wasserman, Max, Mateos, Gonzalo
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Stabilizing the Kumaraswamy Distribution
di: Wasserman, Max, et al.
Pubblicazione: (2024)

Task-driven Heterophilic Graph Structure Learning
di: Raghuvanshi, Ayushman, et al.
Pubblicazione: (2025)

Sampling Transferable Graph Neural Networks with Limited Graph Information
di: Wang, Haoyu, et al.
Pubblicazione: (2024)

Convolutional Learning on Directed Acyclic Graphs
di: Rey, Samuel, et al.
Pubblicazione: (2024)

Online Proximal ADMM for Graph Learning from Streaming Smooth Signals
di: Chahuara, Hector, et al.
Pubblicazione: (2024)

Directed Acyclic Graph Convolutional Networks
di: Rey, Samuel, et al.
Pubblicazione: (2025)

Exploiting Non-Negativity in DAG Structure Learning
di: Rey, Samuel, et al.
Pubblicazione: (2026)

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

Graph Contrastive Learning for Connectome Classification
di: Schmidt, Martín, et al.
Pubblicazione: (2025)

Non-negative Weighted DAG Structure Learning
di: Rey, Samuel, et al.
Pubblicazione: (2024)

Towards a Foundation Model for Brain Age Prediction using coVariance Neural Networks
di: Sihag, Saurabh, et al.
Pubblicazione: (2024)

Explainable Brain Age Gap Prediction in Neurodegenerative Conditions using coVariance Neural Networks
di: Sihag, Saurabh, et al.
Pubblicazione: (2025)

Rethinking Structure Learning For Graph Neural Networks
di: Zheng, Yilun, et al.
Pubblicazione: (2024)

Non-negative DAG Learning from Time-Series Data
di: Rey, Samuel, et al.
Pubblicazione: (2025)

Bayesian Neighborhood Adaptation for Graph Neural Networks
di: Regmi, Paribesh, et al.
Pubblicazione: (2026)

Faithful Interpretation for Graph Neural Networks
di: Hu, Lijie, et al.
Pubblicazione: (2024)

On the Interplay between Graph Structure and Learning Algorithms in Graph Neural Networks
di: Su, Junwei, et al.
Pubblicazione: (2025)

Conformal Inference for Time Series over Graphs
di: Dua, Sonakshi, et al.
Pubblicazione: (2025)

Interpreting Temporal Graph Neural Networks with Koopman Theory
di: Guerra, Michele, et al.
Pubblicazione: (2024)

Interpretable Graph Neural Networks for Heterogeneous Tabular Data
di: Alkhatib, Amr, et al.
Pubblicazione: (2024)

Structured Partial Stochasticity in Bayesian Neural Networks
di: Rochussen, Tommy
Pubblicazione: (2024)

Unlearning Algorithmic Biases over Graphs
di: Kose, O. Deniz, et al.
Pubblicazione: (2025)

Incorporating Retrieval-based Causal Learning with Information Bottlenecks for Interpretable Graph Neural Networks
di: Rao, Jiahua, et al.
Pubblicazione: (2024)

Probability Passing for Graph Neural Networks: Graph Structure and Representations Joint Learning
di: Wang, Ziyan, et al.
Pubblicazione: (2024)

The Interpretable and Effective Graph Neural Additive Networks
di: Bechler-Speicher, Maya, et al.
Pubblicazione: (2024)

Interpretable Graph Neural Networks for Tabular Data
di: Alkhatib, Amr, et al.
Pubblicazione: (2023)

Factor Graph-based Interpretable Neural Networks
di: Li, Yicong, et al.
Pubblicazione: (2025)

Causal Graph Neural Networks for Healthcare
di: Mesinovic, Munib, et al.
Pubblicazione: (2025)

GIN-Graph: A Generative Interpretation Network for Model-Level Explanation of Graph Neural Networks
di: Yue, Xiao, et al.
Pubblicazione: (2025)

BARNN: A Bayesian Autoregressive and Recurrent Neural Network
di: Coscia, Dario, et al.
Pubblicazione: (2025)

A Generative Model for Controllable Feature Heterophily in Graphs
di: Wang, Haoyu, et al.
Pubblicazione: (2025)

From GNNs to Trees: Multi-Granular Interpretability for Graph Neural Networks
di: Yang, Jie, et al.
Pubblicazione: (2025)

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

Interpretability of Graph Neural Networks to Assess Effects of Global Change Drivers on Ecological Networks
di: Anakok, Emre, et al.
Pubblicazione: (2025)

Probabilistic Graphical Model using Graph Neural Networks for Bayesian Inversion of Discrete Structural Component States
di: Li, Teng, et al.
Pubblicazione: (2026)

PAC-Bayesian Adversarially Robust Generalization Bounds for Graph Neural Network
di: Sun, Tan, et al.
Pubblicazione: (2024)

Topology-Aware PAC-Bayesian Generalization Analysis for Graph Neural Networks
di: Yi, Xinping
Pubblicazione: (2026)

Structural Connectome Harmonization Using Deep Learning: The Strength of Graph Neural Networks
di: Patel, Jagruti, et al.
Pubblicazione: (2025)

Weighted Random Dot Product Graphs
di: Marenco, Bernardo, et al.
Pubblicazione: (2025)

LASE: Learned Adjacency Spectral Embeddings
di: Casulo, Sofía Pérez, et al.
Pubblicazione: (2024)