Buchumschlag

DeepACTIF: Efficient Feature Attribution via Activation Traces in Neural Sequence Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Hosp, Benedikt W.
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

FOVAL: Calibration-Free and Subject-Invariant Fixation Depth Estimation Across Diverse Eye-Tracking Datasets
von: Hosp, Benedikt W.
Veröffentlicht: (2024)

Ray-Tracing for Conditionally Activated Neural Networks
von: Gallicchio, Claudio, et al.
Veröffentlicht: (2025)

Generalized Attention Flow: Feature Attribution for Transformer Models via Maximum Flow
von: Azarkhalili, Behrooz, et al.
Veröffentlicht: (2025)

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

Impossibility Theorems for Feature Attribution
von: Bilodeau, Blair, et al.
Veröffentlicht: (2022)

Efficient User Sequence Learning for Online Services via Compressed Graph Neural Networks
von: Wu, Yucheng, et al.
Veröffentlicht: (2024)

MemTrace: Tracing and Attributing Errors in Large Language Model Memory Systems
von: Deng, Xinle, et al.
Veröffentlicht: (2026)

Sum-of-Parts: Self-Attributing Neural Networks with End-to-End Learning of Feature Groups
von: You, Weiqiu, et al.
Veröffentlicht: (2023)

Contextual Plackett-Luce: An Efficient Neural Model for Probabilistic Sequence Selection under Ambiguity
von: Mizrachi, Noam, et al.
Veröffentlicht: (2026)

Probabilistic Stability Guarantees for Feature Attributions
von: Jin, Helen, et al.
Veröffentlicht: (2025)

Efficient Neural Networks with Discrete Cosine Transform Activations
von: Martinez-Gost, Marc, et al.
Veröffentlicht: (2025)

LLM Unlearning via Neural Activation Redirection
von: Shen, William F., et al.
Veröffentlicht: (2025)

On the Properties of Feature Attribution for Supervised Contrastive Learning
von: Arrighi, Leonardo, et al.
Veröffentlicht: (2026)

Hypothesis Class Determines Explanation: Why Accurate Models Disagree on Feature Attribution
von: B, Thackshanaramana
Veröffentlicht: (2026)

Who Does What in Deep Learning? Multidimensional Game-Theoretic Attribution of Function of Neural Units
von: Dixit, Shrey, et al.
Veröffentlicht: (2025)

Tracing the Path to Grokking: Embeddings, Dropout, and Network Activation
von: Salah, Ahmed, et al.
Veröffentlicht: (2025)

Linear Attention for Efficient Bidirectional Sequence Modeling
von: Afzal, Arshia, et al.
Veröffentlicht: (2025)

APEX: Probing Neural Networks via Activation Perturbation
von: Ren, Tao, et al.
Veröffentlicht: (2026)

Emergence of Globally Attracting Fixed Points in Deep Neural Networks With Nonlinear Activations
von: Joudaki, Amir, et al.
Veröffentlicht: (2024)

Correlation-Aware Feature Attribution Based Explainable AI
von: Sengupta, Poushali, et al.
Veröffentlicht: (2025)

Chain-of-Influence: Tracing Interdependencies Across Time and Features in Clinical Predictive Modelings
von: Li, Yubo, et al.
Veröffentlicht: (2025)

GradCFA: A Hybrid Gradient-Based Counterfactual and Feature Attribution Explanation Algorithm for Local Interpretation of Neural Networks
von: Sanderson, Jacob, et al.
Veröffentlicht: (2026)

Distribution-Based Feature Attribution for Explaining the Predictions of Any Classifier
von: Li, Xinpeng, et al.
Veröffentlicht: (2025)

A Dual-Perspective Approach to Evaluating Feature Attribution Methods
von: Li, Yawei, et al.
Veröffentlicht: (2023)

A Polynomial-Time Axiomatic Alternative to SHAP for Feature Attribution
von: Hiraki, Kazuhiro, et al.
Veröffentlicht: (2026)

Toward Improving fNIRS Classification: A Study on Activation Functions in Deep Neural Architectures
von: Adeli, Behtom, et al.
Veröffentlicht: (2025)

Prospector Heads: Generalized Feature Attribution for Large Models & Data
von: Machiraju, Gautam, et al.
Veröffentlicht: (2024)

Optimal Kernel Tuning Parameter Prediction using Deep Sequence Models
von: Mahmood, Khawir, et al.
Veröffentlicht: (2024)

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

Where Did It Go Wrong? Attributing Undesirable LLM Behaviors via Representation Gradient Tracing
von: Li, Zhe, et al.
Veröffentlicht: (2025)

Enhancing Deep Knowledge Tracing via Diffusion Models for Personalized Adaptive Learning
von: Kuo, Ming, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning with Gradient Eligibility Traces
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

DeepDefense: Layer-Wise Gradient-Feature Alignment for Building Robust Neural Networks
von: Lin, Ci, et al.
Veröffentlicht: (2025)

Memory-Efficient Fine-Tuning via Low-Rank Activation Compression
von: Shi, Jiang-Xin, et al.
Veröffentlicht: (2025)

Interpretable DNA Sequence Classification via Dynamic Feature Generation in Decision Trees
von: Huynh, Nicolas, et al.
Veröffentlicht: (2026)

Mitigating Deep Reinforcement Learning Backdoors in the Neural Activation Space
von: Vyas, Sanyam, et al.
Veröffentlicht: (2024)

GeNeRT: A Physics-Informed Approach to Intelligent Wireless Channel Modeling via Generalizable Neural Ray Tracing
von: Bian, Kejia, et al.
Veröffentlicht: (2025)

Incremental Learning with Repetition via Pseudo-Feature Projection
von: Tscheschner, Benedikt, et al.
Veröffentlicht: (2025)

DARE: Diffusion Language Model Activation Reuse for Efficient Inference
von: Frumkin, Natalia, et al.
Veröffentlicht: (2026)

Machine and Deep Learning for Indoor UWB Jammer Localization
von: Fard, Hamed, et al.
Veröffentlicht: (2025)