Buchumschlag

On the Mechanistic Interpretability of Neural Networks for Causality in Bio-statistics

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Conan, Jean-Baptiste A.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Applications Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bayesian Networks for Causal Analysis in Socioecological Systems
von: Cabañas, Rafael, et al.
Veröffentlicht: (2024)

Removing Spurious Correlation from Neural Network Interpretations
von: Fotouhi, Milad, et al.
Veröffentlicht: (2024)

Causal foundations of bias, disparity and fairness
von: Traag, V. A., et al.
Veröffentlicht: (2022)

Random-Set Graph Neural Networks
von: Woodley, Tommy, et al.
Veröffentlicht: (2026)

Causal inference approach to appraise long-term effects of maintenance policy on functional performance of asphalt pavements
von: You, Lingyun, et al.
Veröffentlicht: (2024)

Curious Causality-Seeking Agents Learn Meta Causal World
von: Zhao, Zhiyu, et al.
Veröffentlicht: (2025)

Causal Fairness for Survival Analysis
von: Plecko, Drago
Veröffentlicht: (2026)

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

When prompt perturbations break your A/B test: A valid statistical test for generative surveying
von: Helm, Hayden, et al.
Veröffentlicht: (2026)

From Causal Discovery to Dynamic Causal Inference in Neural Time Series
von: Zaytsev, Dmitry, et al.
Veröffentlicht: (2026)

Data-Driven Bayesian Network Models of Hurricane Evacuation Decision Making
von: Wang, Hui Sophie, et al.
Veröffentlicht: (2023)

BioDisco: Multi-agent hypothesis generation with dual-mode evidence, iterative feedback and temporal evaluation
von: Ke, Yujing, et al.
Veröffentlicht: (2025)

TCKAN:A Novel Integrated Network Model for Predicting Mortality Risk in Sepsis Patients
von: Dong, Fanglin
Veröffentlicht: (2024)

Generating Synthetic Relational Tabular Data via Structural Causal Models
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

PISA: An AI Pipeline for Interpretable-by-design Survival Analysis Providing Multiple Complexity-Accuracy Trade-off Models
von: Schlender, Thalea, et al.
Veröffentlicht: (2025)

How Should We Represent History in Interpretable Models of Clinical Policies?
von: Matsson, Anton, et al.
Veröffentlicht: (2024)

I See, Therefore I Do: Estimating Causal Effects for Image Treatments
von: Thorat, Abhinav, et al.
Veröffentlicht: (2024)

Causal Machine Learning for Surgical Interventions
von: Tamo, J. Ben, et al.
Veröffentlicht: (2025)

Causal Responsibility Attribution for Human-AI Collaboration
von: Qi, Yahang, et al.
Veröffentlicht: (2024)

Feature Group Tabular Transformer: A Novel Approach to Traffic Crash Modeling and Causality Analysis
von: Lares, Oscar, et al.
Veröffentlicht: (2024)

Generating Hypotheses of Dynamic Causal Graphs in Neuroscience: Leveraging Generative Factor Models of Observed Time Series
von: Brown, Zachary C., et al.
Veröffentlicht: (2025)

Causal Graph Recovery in Neuroimaging through Answer Set Programming
von: Abavisani, Mohammadsajad, et al.
Veröffentlicht: (2025)

Multi-task Neural Diffusion Processes
von: Rawson, Joseph, et al.
Veröffentlicht: (2025)

Bayesian Network Modeling of Causal Influence within Cognitive Domains and Clinical Dementia Severity Ratings for Western and Indian Cohorts
von: Kumar, Wupadrasta Santosh, et al.
Veröffentlicht: (2024)

Learning Causal Representations from General Environments: Identifiability and Intrinsic Ambiguity
von: Jin, Jikai, et al.
Veröffentlicht: (2023)

The Challenge of Using LLMs to Simulate Human Behavior: A Causal Inference Perspective
von: Gui, George, et al.
Veröffentlicht: (2023)

Integrating Dynamic Correlation Shifts and Weighted Benchmarking in Extreme Value Analysis
von: Panagoulias, Dimitrios P., et al.
Veröffentlicht: (2024)

iSCAN: Identifying Causal Mechanism Shifts among Nonlinear Additive Noise Models
von: Chen, Tianyu, et al.
Veröffentlicht: (2023)

Enhancing Data Efficiency and Feature Identification for Lithium-Ion Battery Lifespan Prediction by Deciphering Interpretation of Temporal Patterns and Cyclic Variability Using Attention-Based Models
von: Lee, Jaewook, et al.
Veröffentlicht: (2023)

Federated Causal Inference from Multi-Site Observational Data via Propensity Score Aggregation
von: Khellaf, Rémi, et al.
Veröffentlicht: (2025)

Scalable Spatiotemporal Prediction with Bayesian Neural Fields
von: Saad, Feras, et al.
Veröffentlicht: (2024)

An Accurate and Interpretable Framework for Trustworthy Process Monitoring
von: Wang, Hao, et al.
Veröffentlicht: (2023)

An Algorithmic Approach for Causal Health Equity: A Look at Race Differentials in Intensive Care Unit (ICU) Outcomes
von: Plecko, Drago, et al.
Veröffentlicht: (2025)

Improving statistical learning methods via features selection without replacement sampling and random projection
von: khan, Sulaiman, et al.
Veröffentlicht: (2025)

Detecting Structural Heart Disease from Electrocardiograms via a Generalized Additive Model of Interpretable Foundation-Model Predictors
von: Zhou, Ya, et al.
Veröffentlicht: (2026)

Bridging the Unavoidable A Priori: A Framework for Comparative Causal Modeling
von: Hovmand, Peter S., et al.
Veröffentlicht: (2025)

VACT: A Video Automatic Causal Testing System and a Benchmark
von: Yang, Haotong, et al.
Veröffentlicht: (2025)

StatLLM: A Dataset for Evaluating the Performance of Large Language Models in Statistical Analysis
von: Song, Xinyi, et al.
Veröffentlicht: (2025)

HiBayES: A Hierarchical Bayesian Modeling Framework for AI Evaluation Statistics
von: Luettgau, Lennart, et al.
Veröffentlicht: (2025)

Decade-long Emission Forecasting with an Ensemble Model in Taiwan
von: Hung, Gordon, et al.
Veröffentlicht: (2025)