Copertina

Actionable Interpretability via Causal Hypergraphs: Unravelling Batch Size Effects in Deep Learning

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Sun, Zhongtian, Harit, Anoushka, Lio, Pietro
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Causal Spherical Hypergraph Networks for Modelling Social Uncertainty
di: Harit, Anoushka, et al.
Pubblicazione: (2025)

GLANCE: Graph Logic Attention Network with Cluster Enhancement for Heterophilous Graph Representation Learning
di: Sun, Zhongtian, et al.
Pubblicazione: (2025)

RicciFlowRec: A Geometric Root Cause Recommender Using Ricci Curvature on Financial Graphs
di: Sun, Zhongtian, et al.
Pubblicazione: (2025)

Breaking Down Financial News Impact: A Novel AI Approach with Geometric Hypergraphs
di: Harit, Anoushka, et al.
Pubblicazione: (2024)

ManifoldMind: Dynamic Hyperbolic Reasoning for Trustworthy Recommendations
di: Harit, Anoushka, et al.
Pubblicazione: (2025)

From News to Returns: A Granger-Causal Hypergraph Transformer on the Sphere
di: Harit, Anoushka, et al.
Pubblicazione: (2025)

EWC-Guided Diffusion Replay for Exemplar-Free Continual Learning in Medical Imaging
di: Harit, Anoushka, et al.
Pubblicazione: (2025)

CALF: Communication-Aware Learning Framework for Distributed Reinforcement Learning
di: Purves, Carlos, et al.
Pubblicazione: (2026)

Towards Mechanistic Interpretability of Graph Transformers via Attention Graphs
di: El, Batu, et al.
Pubblicazione: (2025)

How Particle System Theory Enhances Hypergraph Message Passing
di: Ma, Yixuan, et al.
Pubblicazione: (2025)

Pairwise is Not Enough: Hypergraph Neural Networks for Multi-Agent Pathfinding
di: Jain, Rishabh, et al.
Pubblicazione: (2026)

Revitalizing Black-Box Interpretability: Actionable Interpretability for LLMs via Proxy Models
di: Liu, Junhao, et al.
Pubblicazione: (2025)

How to make Medical AI Systems safer? Simulating Vulnerabilities, and Threats in Multimodal Medical RAG System
di: Zuo, Kaiwen, et al.
Pubblicazione: (2025)

Actionable Interpretability Must Be Defined in Terms of Symmetries
di: Barbiero, Pietro, et al.
Pubblicazione: (2026)

Hypergraph Pattern Machine: Compositional Tokenization for Higher-Order Interactions
di: Zhao, Kyrie, et al.
Pubblicazione: (2026)

How Smoothing is N-simplicial Attention?
di: Dussolle, Alexandre, et al.
Pubblicazione: (2025)

Heterophily-Agnostic Hypergraph Neural Networks with Riemannian Local Exchanger
di: Sun, Li, et al.
Pubblicazione: (2026)

Towards Interpretable Deep Generative Models via Causal Representation Learning
di: Moran, Gemma E., et al.
Pubblicazione: (2025)

Fast and Interpretable Protein Substructure Alignment via Optimal Transport
di: Wang, Zhiyu, et al.
Pubblicazione: (2025)

Superposition in Graph Neural Networks
di: Pertl, Lukas, et al.
Pubblicazione: (2025)

Algebraic Priors for Approximately Equivariant Networks
di: Ali, Riccardo, et al.
Pubblicazione: (2025)

Causal Concept Graph Models: Beyond Causal Opacity in Deep Learning
di: Dominici, Gabriele, et al.
Pubblicazione: (2024)

FLUID-LLM: Learning Computational Fluid Dynamics with Spatiotemporal-aware Large Language Models
di: Zhu, Max, et al.
Pubblicazione: (2024)

Interpretability Can Be Actionable
di: Orgad, Hadas, et al.
Pubblicazione: (2026)

KAPLAN: Kolmogorov-Arnold Prognostic Learnable Activation Networks for Survival Analysis
di: Logothetis, Stelios Boulitsakis, et al.
Pubblicazione: (2026)

Hierarchical Planning for Complex Tasks with Knowledge Graph-RAG and Symbolic Verification
di: Cornelio, Cristina, et al.
Pubblicazione: (2025)

Time Transfer: On Optimal Learning Rate and Batch Size In The Infinite Data Limit
di: Filatov, Oleg, et al.
Pubblicazione: (2024)

Making Batch Normalization Great in Federated Deep Learning
di: Zhong, Jike, et al.
Pubblicazione: (2023)

Metric Learning for Clifford Group Equivariant Neural Networks
di: Ali, Riccardo, et al.
Pubblicazione: (2024)

EU-Nets: Enhanced, Explainable and Parsimonious U-Nets
di: Sun, B., et al.
Pubblicazione: (2025)

GenRec: Generative Sequential Recommendation with Large Language Models
di: Cao, Panfeng, et al.
Pubblicazione: (2024)

MoRE-GNN: Multi-omics Data Integration with a Heterogeneous Graph Autoencoder
di: Wang, Zhiyu, et al.
Pubblicazione: (2025)

KG4Diagnosis: A Hierarchical Multi-Agent LLM Framework with Knowledge Graph Enhancement for Medical Diagnosis
di: Zuo, Kaiwen, et al.
Pubblicazione: (2024)

CARL: Causality-guided Architecture Representation Learning for an Interpretable Performance Predictor
di: Ji, Han, et al.
Pubblicazione: (2025)

Interpreting GFlowNets for Drug Discovery: Extracting Actionable Insights for Medicinal Chemistry
di: S, Amirtha Varshini A, et al.
Pubblicazione: (2025)

Symmetry and Generalisation in Neural Approximations of Renormalisation Transformations
di: Ashworth, Cassidy, et al.
Pubblicazione: (2025)

Polynomial Neural Sheaf Diffusion: A Spectral Filtering Approach on Cellular Sheaves
di: Borgi, Alessio, et al.
Pubblicazione: (2025)

MaGNet: A Mamba Dual-Hypergraph Network for Stock Prediction via Temporal-Causal and Global Relational Learning
di: Tan, Peilin, et al.
Pubblicazione: (2025)

Towards Batch-to-Streaming Deep Reinforcement Learning for Continuous Control
di: De Monte, Riccardo, et al.
Pubblicazione: (2026)

Beware of the Batch Size: Hyperparameter Bias in Evaluating LoRA
di: Lee, Sangyoon, et al.
Pubblicazione: (2026)