Buchumschlag

Polynomial Threshold Functions of Bounded Tree-Width: Some Explainability and Complexity Aspects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chubarian, Karine, Joyce, Johnny, Turan, Gyorgy
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Agentopic: A Generative AI Agent Workflow for Explainable Topic Modeling
von: Kok-Shun, Brice Valentin, et al.
Veröffentlicht: (2026)

Virtual Width Networks
von: Seed, et al.
Veröffentlicht: (2025)

PAC-Bayesian Generalization Bounds for Knowledge Graph Representation Learning
von: Lee, Jaejun, et al.
Veröffentlicht: (2024)

Adaptive Width Neural Networks
von: Errica, Federico, et al.
Veröffentlicht: (2025)

AttentionDep: Domain-Aware Attention for Explainable Depression Severity Assessment
von: Ibrahimov, Yusif, et al.
Veröffentlicht: (2025)

On the Diminishing Returns of Width for Continual Learning
von: Guha, Etash, et al.
Veröffentlicht: (2024)

Combining LLM decision and RL action selection to improve RL policy for adaptive interventions
von: Karine, Karine, et al.
Veröffentlicht: (2025)

StepCountJITAI: simulation environment for RL with application to physical activity adaptive intervention
von: Karine, Karine, et al.
Veröffentlicht: (2024)

Partition Tree Weighting for Non-Stationary Stochastic Bandits
von: Veness, Joel, et al.
Veröffentlicht: (2025)

On The Sample Complexity Bounds In Bilevel Reinforcement Learning
von: Gaur, Mudit, et al.
Veröffentlicht: (2025)

Mixture of Universal Experts: Scaling Virtual Width via Depth-Width Transformation
von: Chen, Yilong, et al.
Veröffentlicht: (2026)

CQD-SHAP: Explainable Complex Query Answering via Shapley Values
von: Abbasi, Parsa, et al.
Veröffentlicht: (2025)

PANDA: Expanded Width-Aware Message Passing Beyond Rewiring
von: Choi, Jeongwhan, et al.
Veröffentlicht: (2024)

AdaQAT: Adaptive Bit-Width Quantization-Aware Training
von: Gernigon, Cédric, et al.
Veröffentlicht: (2024)

BOTS: Batch Bayesian Optimization of Extended Thompson Sampling for Severely Episode-Limited RL Settings
von: Karine, Karine, et al.
Veröffentlicht: (2024)

Explainability of Complex AI Models with Correlation Impact Ratio
von: Sengupta, Poushali, et al.
Veröffentlicht: (2026)

Beyond Correlation: Refutation-Validated Aspect-Based Sentiment Analysis for Explainable Energy Market Returns
von: van der Heever, Wihan, et al.
Veröffentlicht: (2026)

Completed Hyperparameter Transfer across Modules, Width, Depth, Batch and Duration
von: Mlodozeniec, Bruno, et al.
Veröffentlicht: (2025)

On the Surprising Effectiveness of Large Learning Rates under Standard Width Scaling
von: Haas, Moritz, et al.
Veröffentlicht: (2025)

The WidthWall: A Strict Expressivity Hierarchy for Hypergraph Neural Networks
von: Jiang, Fengqing, et al.
Veröffentlicht: (2026)

Second Order Bounds for Contextual Bandits with Function Approximation
von: Pacchiano, Aldo
Veröffentlicht: (2024)

Chebyshev Polynomial-Based Kolmogorov-Arnold Networks: An Efficient Architecture for Nonlinear Function Approximation
von: SS, Sidharth, et al.
Veröffentlicht: (2024)

NNiT: Width-Agnostic Neural Network Generation with Structurally Aligned Weight Spaces
von: Kim, Jiwoo, et al.
Veröffentlicht: (2026)

ART: Adaptive Reasoning Trees for Explainable Claim Verification
von: Wadhwa, Sahil, et al.
Veröffentlicht: (2026)

Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence
von: György, András, et al.
Veröffentlicht: (2025)

The Graphon Limit Hypothesis: Understanding Neural Network Pruning via Infinite Width Analysis
von: Pham, Hoang, et al.
Veröffentlicht: (2025)

Geometric Limits of Knowledge Distillation: A Minimum-Width Theorem via Superposition Theory
von: Sarkar, Nilesh, et al.
Veröffentlicht: (2026)

ScoresActivation: A New Activation Function for Model Agnostic Global Explainability by Design
von: Covaci, Emanuel, et al.
Veröffentlicht: (2025)

Integrating LLMs for Explainable Fault Diagnosis in Complex Systems
von: Dave, Akshay J., et al.
Veröffentlicht: (2024)

Infinite Width Models That Work: Why Feature Learning Doesn't Matter as Much as You Think
von: Sernau, Luke
Veröffentlicht: (2024)

The Cost of Robustness: Tighter Bounds on Parameter Complexity for Robust Memorization in ReLU Nets
von: Kim, Yujun, et al.
Veröffentlicht: (2025)

Explainable Adaptive Tree-based Model Selection for Time Series Forecasting
von: Jakobs, Matthias, et al.
Veröffentlicht: (2024)

The Median is Easier than it Looks: Approximation with a Constant-Depth, Linear-Width ReLU Network
von: Dutta, Abhigyan, et al.
Veröffentlicht: (2026)

Tensor Polynomial Additive Model
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Thresholded Lexicographic Ordered Multiobjective Reinforcement Learning
von: Tercan, Alperen, et al.
Veröffentlicht: (2024)

Promises and Pitfalls of Threshold-based Auto-labeling
von: Vishwakarma, Harit, et al.
Veröffentlicht: (2022)

Enhancing Adaptive Behavioral Interventions with LLM Inference from Participant-Described States
von: Karine, Karine, et al.
Veröffentlicht: (2025)

Deep reinforcement learning for irrigation scheduling using high-dimensional sensor feedback
von: Saikai, Yuji, et al.
Veröffentlicht: (2023)

Fixed Point Explainability
von: La Malfa, Emanuele, et al.
Veröffentlicht: (2025)

Explainability is NOT a Game
von: Marques-Silva, Joao, et al.
Veröffentlicht: (2023)