Buchumschlag

Improving the Computational Efficiency and Explainability of GeoAggregator

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Deng, Rui, Li, Ziqi, Wang, Mingshu
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

GeoAggregator: An Efficient Transformer Model for Geo-Spatial Tabular Data
von: Deng, Rui, et al.
Veröffentlicht: (2025)

Improving MoE Compute Efficiency by Composing Weight and Data Sparsity
von: Kilian, Maciej, et al.
Veröffentlicht: (2026)

Exploiting Latent Linearity in LLMs Improves Explainable Molecular Representation Learning
von: Li, Zhuoran, et al.
Veröffentlicht: (2024)

Efficiency Boost in Decentralized Optimization: Reimagining Neighborhood Aggregation with Minimal Overhead
von: Kalwar, Durgesh, et al.
Veröffentlicht: (2025)

Explainable Diagnosis Prediction through Neuro-Symbolic Integration
von: Lu, Qiuhao, et al.
Veröffentlicht: (2024)

Graph Attention Networks Unleashed: A Fast and Explainable Vulnerability Assessment Framework for Microgrids
von: Liu, Wei, et al.
Veröffentlicht: (2025)

REPEAT: Improving Uncertainty Estimation in Representation Learning Explainability
von: Wickstrøm, Kristoffer K., et al.
Veröffentlicht: (2024)

Improving Offline-to-Online Reinforcement Learning with Q Conditioned State Entropy Exploration
von: Zhang, Ziqi, et al.
Veröffentlicht: (2023)

Graph Federated Learning Based Proactive Content Caching in Edge Computing
von: Wang, Rui
Veröffentlicht: (2025)

First-Order Efficiency for Probabilistic Value Estimation via A Statistical Viewpoint
von: Liu, Ziqi, et al.
Veröffentlicht: (2026)

Thermodynamic-Inspired Explainable GeoAI: Uncovering Regime-Dependent Mechanisms in Heterogeneous Spatial Systems
von: Lim, Sooyoung, et al.
Veröffentlicht: (2026)

DeepSpeed Data Efficiency: Improving Deep Learning Model Quality and Training Efficiency via Efficient Data Sampling and Routing
von: Li, Conglong, et al.
Veröffentlicht: (2022)

Buffered Asynchronous Secure Aggregation for Cross-Device Federated Learning
von: Wang, Kun, et al.
Veröffentlicht: (2024)

Explainable Artificial Intelligent (XAI) for Predicting Asphalt Concrete Stiffness and Rutting Resistance: Integrating Bailey's Aggregate Gradation Method
von: Kongkitkul, Warat, et al.
Veröffentlicht: (2024)

Aggregation Alignment for Federated Learning with Mixture-of-Experts under Data Heterogeneity
von: Fang, Zihan, et al.
Veröffentlicht: (2026)

Improving Continual Learning Performance and Efficiency with Auxiliary Classifiers
von: Szatkowski, Filip, et al.
Veröffentlicht: (2024)

MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction
von: Zhang, Zizheng, et al.
Veröffentlicht: (2026)

FAIR_XAI: Improving Multimodal Foundation Model Fairness via Explainability for Wellbeing Assessment
von: Chiang, Sophie, et al.
Veröffentlicht: (2026)

Improving MLLM Training Efficiency via Stage-Aware Sparsity
von: Shi, Kean, et al.
Veröffentlicht: (2025)

Subgoal-based Reward Shaping to Improve Efficiency in Reinforcement Learning
von: Okudo, Takato, et al.
Veröffentlicht: (2021)

Graph-Structured Hyperdimensional Computing for Data-Efficient and Explainable Process-Structure-Property Prediction
von: Ge, Jingzhan, et al.
Veröffentlicht: (2026)

WavefrontDiffusion: Dynamic Decoding Schedule for Improved Reasoning
von: Yang, Haojin, et al.
Veröffentlicht: (2025)

Connectivity-Guided Sparsification of 2-FWL GNNs: Preserving Full Expressivity with Improved Efficiency
von: Chen, Rongqin, et al.
Veröffentlicht: (2025)

Explainable Graph Neural Networks Under Fire
von: Li, Zhong, et al.
Veröffentlicht: (2024)

FedUAF: Uncertainty-Aware Fusion with Reliability-Guided Aggregation for Multimodal Federated Sentiment Analysis
von: Zhu, Xianxun, et al.
Veröffentlicht: (2026)

Efficient Ensembles Improve Training Data Attribution
von: Deng, Junwei, et al.
Veröffentlicht: (2024)

XAI-Units: Benchmarking Explainability Methods with Unit Tests
von: Lee, Jun Rui, et al.
Veröffentlicht: (2025)

Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering
von: Kladny, Klaus-Rudolf, et al.
Veröffentlicht: (2024)

KLAS: Using Similarity to Stitch Neural Networks for Improved Accuracy-Efficiency Tradeoffs
von: Sanyal, Debopam, et al.
Veröffentlicht: (2026)

Concept Influence: Leveraging Interpretability to Improve Performance and Efficiency in Training Data Attribution
von: Kowal, Matthew, et al.
Veröffentlicht: (2026)

XFMNet: Decoding Cross-Site and Nonstationary Water Patterns via Stepwise Multimodal Fusion for Long-Term Water Quality Forecasting
von: Wang, Ziqi, et al.
Veröffentlicht: (2025)

Graph Neural Aggregation-diffusion with Metastability
von: Cui, Kaiyuan, et al.
Veröffentlicht: (2024)

On the Overscaling Curse of Parallel Thinking: System Efficacy Contradicts Sample Efficiency
von: Wang, Yiming, et al.
Veröffentlicht: (2026)

Hybrid Attribution Priors for Explainable and Robust Model Training
von: Zhang, Zhuoran, et al.
Veröffentlicht: (2025)

Compressed Video Aggregator: Content-driven Module for Efficient Micro-Video Recommendation
von: Xiao, Yang, et al.
Veröffentlicht: (2026)

Less is More: Improving LLM Alignment via Preference Data Selection
von: Deng, Xun, et al.
Veröffentlicht: (2025)

Strategies for Improving Communication Efficiency in Distributed and Federated Learning: Compression, Local Training, and Personalization
von: Yi, Kai
Veröffentlicht: (2025)

Search-Based Adversarial Estimates for Improving Sample Efficiency in Off-Policy Reinforcement Learning
von: Malato, Federico, et al.
Veröffentlicht: (2025)

Android Coach: Improve Online Agentic Training Efficiency with Single State Multiple Actions
von: Gan, Guo, et al.
Veröffentlicht: (2026)

Improving Reinforcement Learning Efficiency with Auxiliary Tasks in Non-Visual Environments: A Comparison
von: Lange, Moritz, et al.
Veröffentlicht: (2023)