Buchumschlag

Explaining Hypergraph Neural Networks: From Local Explanations to Global Concepts

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Su, Shiye, Duta, Iulia, Magister, Lucie Charlotte, Liò, Pietro
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

Subgraph Concept Networks: Concept Levels in Graph Classification
von: Magister, Lucie Charlotte, et al.
Veröffentlicht: (2026)

Wasserstein Hypergraph Neural Network
von: Duta, Iulia, et al.
Veröffentlicht: (2025)

SPHINX: Structural Prediction using Hypergraph Inference Network
von: Duta, Iulia, et al.
Veröffentlicht: (2024)

Concept Graph Convolutions: Message Passing in the Concept Space
von: Magister, Lucie Charlotte, et al.
Veröffentlicht: (2026)

Sheaf Hypergraph Networks
von: Duta, Iulia, et al.
Veröffentlicht: (2023)

Joint Diffusion Processes as an Inductive Bias in Sheaf Neural Networks
von: Caralt, Ferran Hernandez, et al.
Veröffentlicht: (2024)

Interpretable Neural-Symbolic Concept Reasoning
von: Barbiero, Pietro, et al.
Veröffentlicht: (2023)

Sheaves Reloaded: A Directional Awakening
von: Fiorini, Stefano, et al.
Veröffentlicht: (2025)

Pairwise is Not Enough: Hypergraph Neural Networks for Multi-Agent Pathfinding
von: Jain, Rishabh, et al.
Veröffentlicht: (2026)

HyperBERT: Mixing Hypergraph-Aware Layers with Language Models for Node Classification on Text-Attributed Hypergraphs
von: Bazaga, Adrián, et al.
Veröffentlicht: (2024)

On the Way to LLM Personalization: Learning to Remember User Conversations
von: Magister, Lucie Charlotte, et al.
Veröffentlicht: (2024)

Explaining the Explainers in Graph Neural Networks: a Comparative Study
von: Longa, Antonio, et al.
Veröffentlicht: (2022)

Neural Bipartite Matching
von: Georgiev, Dobrik, et al.
Veröffentlicht: (2020)

Actionable Interpretability via Causal Hypergraphs: Unravelling Batch Size Effects in Deep Learning
von: Sun, Zhongtian, et al.
Veröffentlicht: (2025)

Superposition in Graph Neural Networks
von: Pertl, Lukas, et al.
Veröffentlicht: (2025)

Counterfactual Explanations for Hypergraph Neural Networks
von: Veglianti, Fabiano, et al.
Veröffentlicht: (2026)

An Effective Universal Polynomial Basis for Spectral Graph Neural Networks
von: Huang, Keke, et al.
Veröffentlicht: (2023)

Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction
von: Yu, Leisheng, et al.
Veröffentlicht: (2025)

An Empirical Investigation of Neural ODEs and Symbolic Regression for Dynamical Systems
von: Ioannou, Panayiotis, et al.
Veröffentlicht: (2026)

How Particle System Theory Enhances Hypergraph Message Passing
von: Ma, Yixuan, et al.
Veröffentlicht: (2025)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
von: Sun, Li, et al.
Veröffentlicht: (2026)

xAI-Drop: Don't Use What You Cannot Explain
von: De Luca, Vincenzo Marco, 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)

Will More Expressive Graph Neural Networks do Better on Generative Tasks?
von: Zou, Xiandong, et al.
Veröffentlicht: (2023)

GCondNet: A Novel Method for Improving Neural Networks on Small High-Dimensional Tabular Data
von: Margeloiu, Andrei, et al.
Veröffentlicht: (2022)

Heterogeneous Sheaf Neural Networks
von: Braithwaite, Luke, et al.
Veröffentlicht: (2024)

Algebraic Priors for Approximately Equivariant Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2025)

Explaining Deep Convolutional Neural Networks for Image Classification by Evolving Local Interpretable Model-agnostic Explanations
von: Wang, Bin, et al.
Veröffentlicht: (2022)

Symmetry and Generalisation in Neural Approximations of Renormalisation Transformations
von: Ashworth, Cassidy, et al.
Veröffentlicht: (2025)

Metric Learning for Clifford Group Equivariant Neural Networks
von: Ali, Riccardo, et al.
Veröffentlicht: (2024)

On the Expressive Power of Geometric Graph Neural Networks
von: Joshi, Chaitanya K., et al.
Veröffentlicht: (2023)

Hypergraph Pattern Machine: Compositional Tokenization for Higher-Order Interactions
von: Zhao, Kyrie, et al.
Veröffentlicht: (2026)

ConceptFlow: Hierarchical and Fine-grained Concept-Based Explanation for Convolutional Neural Networks
von: Mu, Xinyu, et al.
Veröffentlicht: (2025)

Self-explaining Neural Network with Concept-based Explanations for ICU Mortality Prediction
von: Kumar, Sayantan, et al.
Veröffentlicht: (2021)

Slice and Explain: Logic-Based Explanations for Neural Networks through Domain Slicing
von: Queiroz, Luiz Fernando Paulino, et al.
Veröffentlicht: (2026)

CALF: Communication-Aware Learning Framework for Distributed Reinforcement Learning
von: Purves, Carlos, et al.
Veröffentlicht: (2026)

How Smoothing is N-simplicial Attention?
von: Dussolle, Alexandre, et al.
Veröffentlicht: (2025)

On the Sheafification of Higher-Order Message Passing
von: Hume, Jacob, et al.
Veröffentlicht: (2025)

Polynomial Neural Sheaf Diffusion: A Spectral Filtering Approach on Cellular Sheaves
von: Borgi, Alessio, et al.
Veröffentlicht: (2025)

How Universal Polynomial Bases Enhance Spectral Graph Neural Networks: Heterophily, Over-smoothing, and Over-squashing
von: Huang, Keke, et al.
Veröffentlicht: (2024)