Buchumschlag

Understanding Task Representations in Neural Networks via Bayesian Ablation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nam, Andrew, Campbell, Declan, Griffiths, Thomas, Cohen, Jonathan, Leslie, Sarah-Jane
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

A Relational Inductive Bias for Dimensional Abstraction in Neural Networks
von: Campbell, Declan, et al.
Veröffentlicht: (2024)

Learning Human-Aligned Representations with Contrastive Learning and Generative Similarity
von: Marjieh, Raja, et al.
Veröffentlicht: (2024)

Causal Head Gating: A Framework for Interpreting Roles of Attention Heads in Transformers
von: Nam, Andrew, et al.
Veröffentlicht: (2025)

Human-Like Geometric Abstraction in Large Pre-trained Neural Networks
von: Campbell, Declan, et al.
Veröffentlicht: (2024)

Better World Models Can Lead to Better Post-Training Performance
von: Gupta, Prakhar, et al.
Veröffentlicht: (2025)

Conformal Prediction as Bayesian Quadrature
von: Snell, Jake C., et al.
Veröffentlicht: (2025)

Distilling Symbolic Priors for Concept Learning into Neural Networks
von: Marinescu, Ioana, et al.
Veröffentlicht: (2024)

Understanding Sparse Neural Networks from their Topology via Multipartite Graph Representations
von: Cunegatti, Elia, et al.
Veröffentlicht: (2023)

A Compact Representation for Bayesian Neural Networks By Removing Permutation Symmetry
von: Xiao, Tim Z., et al.
Veröffentlicht: (2023)

Understanding the Limits of Vision Language Models Through the Lens of the Binding Problem
von: Campbell, Declan, et al.
Veröffentlicht: (2024)

Learning Human-like Representations to Enable Learning Human Values
von: Wynn, Andrea, et al.
Veröffentlicht: (2023)

Teasing Apart Architecture and Initial Weights as Sources of Inductive Bias in Neural Networks
von: Bencomo, Gianluca, et al.
Veröffentlicht: (2025)

Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings
von: Truong, Sang T., et al.
Veröffentlicht: (2026)

Adversarial Attacks to Latent Representations of Distributed Neural Networks in Split Computing
von: Zhang, Milin, et al.
Veröffentlicht: (2023)

Compact Bayesian Neural Networks via pruned MCMC sampling
von: Deo, Ratneel, et al.
Veröffentlicht: (2025)

Precise Bayesian Neural Networks
von: Brito, Carlos Stein
Veröffentlicht: (2025)

Meta-Learning at Scale for Large Language Models via Low-Rank Amortized Bayesian Meta-Learning
von: Zhang, Liyi, et al.
Veröffentlicht: (2025)

Graph Neural Networks for Learning Equivariant Representations of Neural Networks
von: Kofinas, Miltiadis, et al.
Veröffentlicht: (2024)

Masked Omics Modeling for Multimodal Representation Learning across Histopathology and Molecular Profiles
von: Robinet, Lucas, et al.
Veröffentlicht: (2025)

SBS: Enhancing Parameter-Efficiency of Neural Representations for Neural Networks via Spectral Bias Suppression
von: Xie, Qihu, et al.
Veröffentlicht: (2025)

Stochastic Weight Sharing for Bayesian Neural Networks
von: Lin, Moule, et al.
Veröffentlicht: (2025)

Full Bayesian Significance Testing for Neural Networks
von: Liu, Zehua, et al.
Veröffentlicht: (2024)

Incorporating Unlabelled Data into Bayesian Neural Networks
von: Sharma, Mrinank, et al.
Veröffentlicht: (2023)

Regularizing Explanations in Bayesian Convolutional Neural Networks
von: Bekkemoen, Yanzhe, et al.
Veröffentlicht: (2021)

Understanding Pooling in Graph Neural Networks
von: Grattarola, Daniele, et al.
Veröffentlicht: (2021)

Lecture Notes on Linear Neural Networks: A Tale of Optimization and Generalization in Deep Learning
von: Cohen, Nadav, et al.
Veröffentlicht: (2024)

Emergent Semantic Role Understanding in Language Models
von: Griffiths, Carla, et al.
Veröffentlicht: (2026)

DRIM: Learning Disentangled Representations from Incomplete Multimodal Healthcare Data
von: Robinet, Lucas, et al.
Veröffentlicht: (2024)

Understanding Representation of Deep Equilibrium Models from Neural Collapse Perspective
von: Sun, Haixiang, et al.
Veröffentlicht: (2024)

General Cyclical Training of Neural Networks
von: Smith, Leslie N.
Veröffentlicht: (2022)

BARNN: A Bayesian Autoregressive and Recurrent Neural Network
von: Coscia, Dario, et al.
Veröffentlicht: (2025)

Tubular Riemannian Laplace Approximations for Bayesian Neural Networks
von: David, Rodrigo Pereira
Veröffentlicht: (2025)

Feature Preserving Shrinkage on Bayesian Neural Networks via the R2D2 Prior
von: Chan, Tsai Hor, et al.
Veröffentlicht: (2025)

Discovering the Representation Bottleneck of Graph Neural Networks
von: Wu, Fang, et al.
Veröffentlicht: (2022)

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

VQ4ALL: Efficient Neural Network Representation via a Universal Codebook
von: Deng, Juncan, et al.
Veröffentlicht: (2024)

Toward Efficient Exploration by Large Language Model Agents
von: Arumugam, Dilip, et al.
Veröffentlicht: (2025)

CLUTR: Curriculum Learning via Unsupervised Task Representation Learning
von: Azad, Abdus Salam, et al.
Veröffentlicht: (2022)

Bayesian Neural Network For Personalized Federated Learning Parameter Selection
von: Luo, Mengen, et al.
Veröffentlicht: (2024)

Bayesian Neural Networks: A Min-Max Game Framework
von: Hong, Junping, et al.
Veröffentlicht: (2023)