Buchumschlag

Identifying Information-Transfer Nodes in a Recurrent Neural Network Reveals Dynamic Representations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hintze, Arend, Najam, Asadullah, Schossau, Jory
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

On the Utilization of Unique Node Identifiers in Graph Neural Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

Characterizing Fitness Landscape Structures in Prompt Engineering
von: Hintze, Arend
Veröffentlicht: (2025)

Generative System Dynamics in Recurrent Neural Networks
von: Casoni, Michele, et al.
Veröffentlicht: (2025)

One Node Per User: Node-Level Federated Learning for Graph Neural Networks
von: Gao, Zhidong, et al.
Veröffentlicht: (2024)

Parallelizing Node-Level Explainability in Graph Neural Networks
von: Llorente, Oscar, et al.
Veröffentlicht: (2026)

Explaining Graph Neural Networks for Node Similarity on Graphs
von: Daza, Daniel, et al.
Veröffentlicht: (2024)

Fast and Robust Contextual Node Representation Learning over Dynamic Graphs
von: Guo, Xingzhi, et al.
Veröffentlicht: (2024)

ARNN: Attentive Recurrent Neural Network for Multi-channel EEG Signals to Identify Epileptic Seizures
von: Rukhsar, Salim, et al.
Veröffentlicht: (2024)

Graph Unlearning: Efficient Node Removal in Graph Neural Networks
von: Guan, Faqian, et al.
Veröffentlicht: (2025)

Modeling Edge-Specific Node Features through Co-Representation Neural Hypergraph Diffusion
von: Zheng, Yijia, et al.
Veröffentlicht: (2024)

Stock Price Prediction using Multi-Faceted Information based on Deep Recurrent Neural Networks
von: Shahbandari, Lida, et al.
Veröffentlicht: (2024)

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

G-PARC: Graph-Physics Aware Recurrent Convolutional Neural Networks for Spatiotemporal Dynamics on Unstructured Meshes
von: Beerman, Jack T., et al.
Veröffentlicht: (2026)

Fast and Distributed Equivariant Graph Neural Networks by Virtual Node Learning
von: Zhang, Yuelin, et al.
Veröffentlicht: (2025)

TinyGraph: Joint Feature and Node Condensation for Graph Neural Networks
von: Liu, Yezi, et al.
Veröffentlicht: (2024)

Representation Learning with Mutual Influence of Modalities for Node Classification in Multi-Modal Heterogeneous Networks
von: Li, Jiafan, et al.
Veröffentlicht: (2025)

Fast Training of Recurrent Neural Networks with Stationary State Feedbacks
von: Caillon, Paul, et al.
Veröffentlicht: (2025)

Disentangled and Self-Explainable Node Representation Learning
von: Piaggesi, Simone, et al.
Veröffentlicht: (2024)

Scaling Recurrent Neural Networks to a Billion Parameters with Zero-Order Optimization
von: Chaubard, Francois, et al.
Veröffentlicht: (2025)

ENADPool: The Edge-Node Attention-based Differentiable Pooling for Graph Neural Networks
von: Zhao, Zhehan, et al.
Veröffentlicht: (2024)

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

Modular Boundaries in Recurrent Neural Networks
von: Tanner, Jacob, et al.
Veröffentlicht: (2023)

Spectral Theory for Edge Pruning in Asynchronous Recurrent Graph Neural Networks
von: Bessone, Nicolas
Veröffentlicht: (2025)

Rethinking Self-Replication: Detecting Distributed Selfhood in the Outlier Cellular Automaton
von: Hintze, Arend, et al.
Veröffentlicht: (2025)

Multi-View Node Pruning for Accurate Graph Representation
von: Kim, Hanjin, et al.
Veröffentlicht: (2025)

TACENR: Task-Agnostic Contrastive Explanations for Node Representations
von: Papanikou, Vasiliki, et al.
Veröffentlicht: (2026)

Recurrent Neural Networks Learn to Store and Generate Sequences using Non-Linear Representations
von: Csordás, Róbert, et al.
Veröffentlicht: (2024)

RoCP-GNN: Robust Conformal Prediction for Graph Neural Networks in Node-Classification
von: Akansha, S.
Veröffentlicht: (2024)

Identifying Representations for Intervention Extrapolation
von: Saengkyongam, Sorawit, et al.
Veröffentlicht: (2023)

Learning Distinguishable Representations in Deep Q-Networks for Linear Transfer
von: Sathish, Sooraj, et al.
Veröffentlicht: (2025)

Beyond Fixed Depth: Adaptive Graph Neural Networks for Node Classification Under Varying Homophily
von: Hevapathige, Asela, et al.
Veröffentlicht: (2025)

Deep Graph Neural Networks via Posteriori-Sampling-based Node-Adaptive Residual Module
von: Zhou, Jingbo, et al.
Veröffentlicht: (2023)

A Diffusion-Contrastive Graph Neural Network with Virtual Nodes for Wind Nowcasting in Unobserved Regions
von: Shi, Jie, et al.
Veröffentlicht: (2026)

Combining Euclidean and Hyperbolic Representations for Node-level Anomaly Detection
von: Mungari, Simone, et al.
Veröffentlicht: (2025)

Improving Node Representation by Boosting Target-Aware Contrastive Loss
von: Lin, Ying-Chun, et al.
Veröffentlicht: (2024)

Fast and Featureless Node Representation Learning with Partial Pairwise Supervision
von: Chakraborty, Sujan, et al.
Veröffentlicht: (2026)

Sampling Transferable Graph Neural Networks with Limited Graph Information
von: Wang, Haoyu, et al.
Veröffentlicht: (2024)

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

Graph Neural Networks for Transmission Grid Topology Control: Busbar Information Asymmetry and Heterogeneous Representations
von: de Jong, Matthijs, et al.
Veröffentlicht: (2025)

Recurrent Aggregators in Neural Algorithmic Reasoning
von: Xu, Kaijia, et al.
Veröffentlicht: (2024)