Fragment-Wise Interpretability in Graph Neural Networks via Molecule Decomposition and Contribution Analysis
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Musiał, Sebastian, Zieliński, Bartosz, Danel, Tomasz |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion
par: Janisiów, Łukasz, et autres
Publié: (2026)
par: Janisiów, Łukasz, et autres
Publié: (2026)
SONG: Self-Organizing Neural Graphs
par: Struski, Łukasz, et autres
Publié: (2021)
par: Struski, Łukasz, et autres
Publié: (2021)
Enhancing Chemical Explainability Through Counterfactual Masking
par: Janisiów, Łukasz, et autres
Publié: (2025)
par: Janisiów, Łukasz, et autres
Publié: (2025)
B-XAIC Dataset: Benchmarking Explainable AI for Graph Neural Networks Using Chemical Data
par: Proszewska, Magdalena, et autres
Publié: (2025)
par: Proszewska, Magdalena, et autres
Publié: (2025)
Causal Interpretation of Neural Network Computations with Contribution Decomposition
par: Melander, Joshua Brendan, et autres
Publié: (2026)
par: Melander, Joshua Brendan, et autres
Publié: (2026)
How Interpretable Are Interpretable Graph Neural Networks?
par: Chen, Yongqiang, et autres
Publié: (2024)
par: Chen, Yongqiang, et autres
Publié: (2024)
Efficient Multi-Source Knowledge Transfer by Model Merging
par: Osial, Marcin, et autres
Publié: (2025)
par: Osial, Marcin, et autres
Publié: (2025)
OMENN: One Matrix to Explain Neural Networks
par: Wróbel, Adam, et autres
Publié: (2024)
par: Wróbel, Adam, et autres
Publié: (2024)
Sparse Decomposition of Graph Neural Networks
par: Hu, Yaochen, et autres
Publié: (2024)
par: Hu, Yaochen, et autres
Publié: (2024)
Molecule Generation with Fragment Retrieval Augmentation
par: Lee, Seul, et autres
Publié: (2024)
par: Lee, Seul, et autres
Publié: (2024)
Divide and not forget: Ensemble of selectively trained experts in Continual Learning
par: Rypeść, Grzegorz, et autres
Publié: (2024)
par: Rypeść, Grzegorz, et autres
Publié: (2024)
Efficient Relation-aware Neighborhood Aggregation in Graph Neural Networks via Tensor Decomposition
par: Baghershahi, Peyman, et autres
Publié: (2022)
par: Baghershahi, Peyman, et autres
Publié: (2022)
LucidPPN: Unambiguous Prototypical Parts Network for User-centric Interpretable Computer Vision
par: Pach, Mateusz, et autres
Publié: (2024)
par: Pach, Mateusz, et autres
Publié: (2024)
Faithful Interpretation for Graph Neural Networks
par: Hu, Lijie, et autres
Publié: (2024)
par: Hu, Lijie, et autres
Publié: (2024)
When Graph Neural Networks Meet Dynamic Mode Decomposition
par: Shi, Dai, et autres
Publié: (2024)
par: Shi, Dai, et autres
Publié: (2024)
This looks like what? Challenges and Future Research Directions for Part-Prototype Models
par: Elhadri, Khawla, et autres
Publié: (2025)
par: Elhadri, Khawla, et autres
Publié: (2025)
Framework GNN-AID: Graph Neural Network Analysis Interpretation and Defense
par: Lukyanov, Kirill, et autres
Publié: (2025)
par: Lukyanov, Kirill, et autres
Publié: (2025)
Interpreting Temporal Graph Neural Networks with Koopman Theory
par: Guerra, Michele, et autres
Publié: (2024)
par: Guerra, Michele, et autres
Publié: (2024)
Interpretable Graph Neural Networks for Heterogeneous Tabular Data
par: Alkhatib, Amr, et autres
Publié: (2024)
par: Alkhatib, Amr, et autres
Publié: (2024)
Graph Structure Learning with Interpretable Bayesian Neural Networks
par: Wasserman, Max, et autres
Publié: (2024)
par: Wasserman, Max, et autres
Publié: (2024)
Factor Graph-based Interpretable Neural Networks
par: Li, Yicong, et autres
Publié: (2025)
par: Li, Yicong, et autres
Publié: (2025)
Interpretable Graph Neural Networks for Tabular Data
par: Alkhatib, Amr, et autres
Publié: (2023)
par: Alkhatib, Amr, et autres
Publié: (2023)
The Interpretable and Effective Graph Neural Additive Networks
par: Bechler-Speicher, Maya, et autres
Publié: (2024)
par: Bechler-Speicher, Maya, et autres
Publié: (2024)
DAVE: Distribution-aware Attribution via ViT Gradient Decomposition
par: Wróbel, Adam, et autres
Publié: (2026)
par: Wróbel, Adam, et autres
Publié: (2026)
GIN-Graph: A Generative Interpretation Network for Model-Level Explanation of Graph Neural Networks
par: Yue, Xiao, et autres
Publié: (2025)
par: Yue, Xiao, et autres
Publié: (2025)
Hierarchical Frequency-Decomposition Graph Neural Networks for Road Network Representation Learning
par: Ma, Jingtian, et autres
Publié: (2025)
par: Ma, Jingtian, et autres
Publié: (2025)
Local Fragments, Global Gains: Subgraph Counting using Graph Neural Networks
par: Roy, Shubhajit, et autres
Publié: (2023)
par: Roy, Shubhajit, et autres
Publié: (2023)
On Stealing Graph Neural Network Models
par: Podhajski, Marcin, et autres
Publié: (2025)
par: Podhajski, Marcin, et autres
Publié: (2025)
Zero-Shot Neural Network Evaluation with Sample-Wise Activation Patterns
par: Peng, Yameng, et autres
Publié: (2026)
par: Peng, Yameng, et autres
Publié: (2026)
Edge-Wise Graph-Instructed Neural Networks
par: Della Santa, Francesco, et autres
Publié: (2024)
par: Della Santa, Francesco, et autres
Publié: (2024)
Closed-Form Interpretation of Neural Network Classifiers with Symbolic Gradients
par: Wetzel, Sebastian Johann
Publié: (2024)
par: Wetzel, Sebastian Johann
Publié: (2024)
GoMS: Graph of Molecule Substructure Network for Molecule Property Prediction
par: Qu, Shuhui, et autres
Publié: (2025)
par: Qu, Shuhui, et autres
Publié: (2025)
From GNNs to Trees: Multi-Granular Interpretability for Graph Neural Networks
par: Yang, Jie, et autres
Publié: (2025)
par: Yang, Jie, et autres
Publié: (2025)
A Generalized Tikhonov Layer for Interpretable-by-design Graph Neural Networks
par: Tremblay, Nicolas, et autres
Publié: (2026)
par: Tremblay, Nicolas, et autres
Publié: (2026)
Interpretability of Graph Neural Networks to Assess Effects of Global Change Drivers on Ecological Networks
par: Anakok, Emre, et autres
Publié: (2025)
par: Anakok, Emre, et autres
Publié: (2025)
GemNet: Universal Directional Graph Neural Networks for Molecules
par: Gasteiger, Johannes, et autres
Publié: (2021)
par: Gasteiger, Johannes, et autres
Publié: (2021)
Fragmentation is Efficiently Learnable by Quantum Neural Networks
par: Mints, Mikhail, et autres
Publié: (2025)
par: Mints, Mikhail, et autres
Publié: (2025)
Pre-training Graph Neural Networks on Molecules by Using Subgraph-Conditioned Graph Information Bottleneck
par: Hoang, Van Thuy, et autres
Publié: (2024)
par: Hoang, Van Thuy, et autres
Publié: (2024)
Efficient Model-Stealing Attacks Against Inductive Graph Neural Networks
par: Podhajski, Marcin, et autres
Publié: (2024)
par: Podhajski, Marcin, et autres
Publié: (2024)
Sparse Explanations of Neural Networks Using Pruned Layer-Wise Relevance Propagation
par: Sarmiento, Paulo Yanez, et autres
Publié: (2024)
par: Sarmiento, Paulo Yanez, et autres
Publié: (2024)
Documents similaires
-
PhAME: Phenotype-Aware Molecular Editing via Latent Diffusion
par: Janisiów, Łukasz, et autres
Publié: (2026) -
SONG: Self-Organizing Neural Graphs
par: Struski, Łukasz, et autres
Publié: (2021) -
Enhancing Chemical Explainability Through Counterfactual Masking
par: Janisiów, Łukasz, et autres
Publié: (2025) -
B-XAIC Dataset: Benchmarking Explainable AI for Graph Neural Networks Using Chemical Data
par: Proszewska, Magdalena, et autres
Publié: (2025) -
Causal Interpretation of Neural Network Computations with Contribution Decomposition
par: Melander, Joshua Brendan, et autres
Publié: (2026)