Buchumschlag

On Measuring Intrinsic Causal Attributions in Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Saha, Saptarshi, Rathore, Dhruv Vansraj, Saha, Soumadeep, Garain, Utpal, Doermann, David
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cyclic Counterfactuals under Shift-Scale Interventions
von: Saha, Saptarshi, et al.
Veröffentlicht: (2025)

VALUED -- Vision and Logical Understanding Evaluation Dataset
von: Saha, Soumadeep, et al.
Veröffentlicht: (2023)

Region Mixup
von: Saha, Saptarshi, et al.
Veröffentlicht: (2024)

Language Models are Crossword Solvers
von: Saha, Soumadeep, et al.
Veröffentlicht: (2024)

LADDER: Revisiting the Cosmic Distance Ladder with Deep Learning Approaches and Exploring its Applications
von: Shah, Rahul, et al.
Veröffentlicht: (2024)

Deep Learning Based Recalibration of SDSS and DESI BAO Alleviates Hubble and Clustering Tensions
von: Shah, Rahul, et al.
Veröffentlicht: (2024)

KisMATH: Do LLMs Have Knowledge of Implicit Structures in Mathematical Reasoning?
von: Saha, Soumadeep, et al.
Veröffentlicht: (2025)

sudoLLM: On Multi-role Alignment of Language Models
von: Saha, Soumadeep, et al.
Veröffentlicht: (2025)

From Astronomy to Astrology: Testing the Illusion of Zodiac-Based Personality Prediction with Machine Learning
von: Samantaray, Abhinna Sundar, et al.
Veröffentlicht: (2026)

Factual Inconsistency in Data-to-Text Generation Scales Exponentially with LLM Size: A Statistical Validation
von: Mahapatra, Joy, et al.
Veröffentlicht: (2025)

Deep-Lock: Secure Authorization for Deep Neural Networks
von: Alam, Manaar, et al.
Veröffentlicht: (2020)

Robust Black-box Testing of Deep Neural Networks using Co-Domain Coverage
von: Gupta, Aishwarya, et al.
Veröffentlicht: (2024)

Group-Feature (Sensor) Selection With Controlled Redundancy Using Neural Networks
von: Saha, Aytijhya, et al.
Veröffentlicht: (2023)

A Statistical Analysis for Supervised Deep Learning with Exponential Families for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Efficient Model Compression for Bayesian Neural Networks
von: Saha, Diptarka, et al.
Veröffentlicht: (2024)

Explainable Hierarchical Deep Learning Neural Networks (Ex-HiDeNN)
von: Batley, Reza T., et al.
Veröffentlicht: (2025)

A Statistical Analysis of Deep Federated Learning for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Explaining Deep Neural Networks by Leveraging Intrinsic Methods
von: La Rosa, Biagio
Veröffentlicht: (2024)

Quantum Machine Learning with Application to Progressive Supranuclear Palsy Network Classification
von: Saha, Papri
Veröffentlicht: (2024)

Improving Shift Invariance in Convolutional Neural Networks with Translation Invariant Polyphase Sampling
von: Saha, Sourajit, et al.
Veröffentlicht: (2024)

Causal Inference with Categorical Unobserved Confounder via Mixture Learning
von: Saha, Aytijhya, et al.
Veröffentlicht: (2026)

LUMOS: Large User MOdels for User Behavior Prediction
von: Nigam, Dhruv, et al.
Veröffentlicht: (2025)

Quantifying the Intrinsic Usefulness of Attributional Explanations for Graph Neural Networks with Artificial Simulatability Studies
von: Teufel, Jonas, et al.
Veröffentlicht: (2023)

Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning
von: Rathore, Vidhi
Veröffentlicht: (2026)

BanglaNet: Bangla Handwritten Character Recognition using Ensembling of Convolutional Neural Network
von: Saha, Chandrika, et al.
Veröffentlicht: (2024)

Activity and Subject Detection for UCI HAR Dataset with & without missing Sensor Data
von: Saha, Debashish, et al.
Veröffentlicht: (2025)

Evidential Uncertainty Probes for Graph Neural Networks
von: Yu, Linlin, et al.
Veröffentlicht: (2025)

A Statistical Analysis of Wasserstein Autoencoders for Intrinsically Low-dimensional Data
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Neural-g: A Deep Learning Framework for Mixing Density Estimation
von: Wang, Shijie, et al.
Veröffentlicht: (2024)

Disentanglement Analysis in Deep Latent Variable Models Matching Aggregate Posterior Distributions
von: Saha, Surojit, et al.
Veröffentlicht: (2025)

Attribution Explanations for Deep Neural Networks: A Theoretical Perspective
von: Deng, Huiqi, et al.
Veröffentlicht: (2025)

A Granger-Causal Perspective on Gradient Descent with Application to Pruning
von: Shah, Aditya, et al.
Veröffentlicht: (2024)

On the Statistical Properties of Generative Adversarial Models for Low Intrinsic Data Dimension
von: Chakraborty, Saptarshi, et al.
Veröffentlicht: (2024)

Leaf-Based Plant Disease Detection and Explainable AI
von: Sagar, Saurav, et al.
Veröffentlicht: (2023)

Intrinsic Lorentz Neural Network
von: Shi, Xianglong, et al.
Veröffentlicht: (2026)

Comprehensive Forecasting-Based Analysis of Hybrid and Stacked Stateful/ Stateless Models
von: Saha, Swayamjit
Veröffentlicht: (2024)

Generalized Bayesian Additive Regression Trees: Theory and Software
von: Saha, Enakshi
Veröffentlicht: (2023)

KHRONOS: a Kernel-Based Neural Architecture for Rapid, Resource-Efficient Scientific Computation
von: Batley, Reza T., et al.
Veröffentlicht: (2025)

ConvLSTMTransNet: A Hybrid Deep Learning Approach for Internet Traffic Telemetry
von: Saha, Sajal, et al.
Veröffentlicht: (2024)

Agile Reinforcement Learning through Separable Neural Architecture
von: Mostakim, Rajib, et al.
Veröffentlicht: (2026)