Buchumschlag

Tangentially Aligned Integrated Gradients for User-Friendly Explanations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Simpson, Lachlan, Costanza, Federico, Millar, Kyle, Cheng, Adriel, Lim, Cheng-Chew, Chew, Hong Gunn
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Differential Geometry
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Algebraic Adversarial Attacks on Integrated Gradients
von: Simpson, Lachlan, et al.
Veröffentlicht: (2024)

Graph-based Integrated Gradients for Explaining Graph Neural Networks
von: Simpson, Lachlan, et al.
Veröffentlicht: (2025)

Probabilistic Lipschitzness and the Stable Rank for Comparing Explanation Models
von: Simpson, Lachlan, et al.
Veröffentlicht: (2024)

Riemannian Integrated Gradients: A Geometric View of Explainable AI
von: Costanza, Federico, et al.
Veröffentlicht: (2025)

Algebraic Adversarial Attacks on Explainability Models
von: Simpson, Lachlan, et al.
Veröffentlicht: (2025)

Curvature Corrected Nonnegative Manifold Data Factorization
von: Chew, Joyce, et al.
Veröffentlicht: (2025)

Kernel-Gradient Drifting Models
von: Esteban-Casadevall, Maria, et al.
Veröffentlicht: (2026)

Discretized Gradient Flow for Manifold Learning in the Space of Embeddings
von: Gold, Dara, et al.
Veröffentlicht: (2019)

Robust Tangent Space Estimation via Laplacian Eigenvector Gradient Orthogonalization
von: Kohli, Dhruv, et al.
Veröffentlicht: (2025)

Manifold Integrated Gradients: Riemannian Geometry for Feature Attribution
von: Zaher, Eslam, et al.
Veröffentlicht: (2024)

Tangential limits of stable minimal capillary surfaces
von: Eichmair, Michael, et al.
Veröffentlicht: (2026)

Jet Functors and Weil Algebras in Automatic Differentiation: A Geometric Analysis
von: Sangha, Amandip
Veröffentlicht: (2025)

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

Learning Beyond Euclid: Curvature-Adaptive Generalization for Neural Networks on Manifolds
von: Sarkar, Krisanu
Veröffentlicht: (2025)

Universal Collection of Euclidean Invariants between Pairs of Position-Orientations
von: Bellaard, Gijs, et al.
Veröffentlicht: (2025)

Roto-Translation Invariant Metrics on Position-Orientation Space
von: Bellaard, Gijs, et al.
Veröffentlicht: (2025)

Flow Matching on Lie Groups
von: Sherry, Finn M., et al.
Veröffentlicht: (2025)

Deep Generative Models: Complexity, Dimensionality, and Approximation
von: Wang, Kevin, et al.
Veröffentlicht: (2025)

Distance Measure Based on an Embedding of the Manifold of K-Component Gaussian Mixture Models into the Manifold of Symmetric Positive Definite Matrices
von: Vishwakarma, Amit, et al.
Veröffentlicht: (2025)

Fiber Bundle Networks: A Geometric Machine Learning Paradigm
von: Liu, Dong
Veröffentlicht: (2025)

Universal kernels via harmonic analysis on Riemannian symmetric spaces
von: Steinert, Franziskus, et al.
Veröffentlicht: (2025)

Simultaneous Optimization of Geodesics and Fréchet Means
von: Rygaard, Frederik Möbius, et al.
Veröffentlicht: (2025)

Staying on the Manifold: Geometry-Aware Noise Injection
von: Jacobsen, Albert Kjøller, et al.
Veröffentlicht: (2025)

Manifold Learning with Normalizing Flows: Towards Regularity, Expressivity and Iso-Riemannian Geometry
von: Diepeveen, Willem, et al.
Veröffentlicht: (2025)

Riemannian Variational Flow Matching for Material and Protein Design
von: Zaghen, Olga, et al.
Veröffentlicht: (2025)

Hardness of Learning Neural Networks under the Manifold Hypothesis
von: Kiani, Bobak T., et al.
Veröffentlicht: (2024)

Cartan moving frames and the data manifolds
von: Tron, Eliot, et al.
Veröffentlicht: (2024)

Minimising Willmore Energy via Neural Flow
von: Hirst, Edward, et al.
Veröffentlicht: (2026)

Interpretable Analytic Calabi-Yau Metrics via Symbolic Distillation
von: Eng, D Yang
Veröffentlicht: (2026)

Steerable Neural ODEs on Homogeneous Spaces
von: Andersdotter, Emma, et al.
Veröffentlicht: (2026)

Geometry-Aware Generative Autoencoders for Warped Riemannian Metric Learning and Generative Modeling on Data Manifolds
von: Sun, Xingzhi, et al.
Veröffentlicht: (2024)

Complex normalizing flows can almost be information Kähler-Ricci flows
von: Gracyk, Andrew
Veröffentlicht: (2026)

A singular Riemannian Geometry Approach to Deep Neural Networks III. Piecewise Differentiable Layers and Random Walks on $n$-dimensional Classes
von: Benfenati, Alessandro, et al.
Veröffentlicht: (2024)

Persistent de Rham-Hodge Laplacians in Eulerian representation for manifold topological learning
von: Su, Zhe, et al.
Veröffentlicht: (2024)

Score-based Pullback Riemannian Geometry: Extracting the Data Manifold Geometry using Anisotropic Flows
von: Diepeveen, Willem, et al.
Veröffentlicht: (2024)

Logifold: A Geometrical Foundation of Ensemble Machine Learning
von: Jung, Inkee, et al.
Veröffentlicht: (2024)

Revealing Decurve Flows for Generalized Graph Propagation
von: Lin, Chen, et al.
Veröffentlicht: (2024)

Thinner Latent Spaces: Detecting Dimension and Imposing Invariance with Conformal Autoencoders
von: Kevrekidis, George A., et al.
Veröffentlicht: (2024)

Geometric Learning with Positively Decomposable Kernels
von: Da Costa, Nathael, et al.
Veröffentlicht: (2023)

Geometric and Spectral Alignment for Deep Neural Network I
von: Liu, Ziran, et al.
Veröffentlicht: (2026)