Buchumschlag

Learning Invariant Graph Representations Through Redundant Information

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Halder, Barproda, Dissanayake, Pasan, Dutta, Sanghamitra
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Information Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Formalizing Spuriousness of Biased Datasets Using Partial Information Decomposition
von: Halder, Barproda, et al.
Veröffentlicht: (2024)

Quantifying Knowledge Distillation Using Partial Information Decomposition
von: Dissanayake, Pasan, et al.
Veröffentlicht: (2024)

Model Reconstruction Using Counterfactual Explanations: A Perspective From Polytope Theory
von: Dissanayake, Pasan, et al.
Veröffentlicht: (2024)

TabDistill: Distilling Transformers into Neural Nets for Few-Shot Tabular Classification
von: Dissanayake, Pasan, et al.
Veröffentlicht: (2025)

VISION: Robust and Interpretable Code Vulnerability Detection Leveraging Counterfactual Augmentation
von: Egea, David, et al.
Veröffentlicht: (2025)

Few-Shot Knowledge Distillation of LLMs With Counterfactual Explanations
von: Hamman, Faisal, et al.
Veröffentlicht: (2025)

Private Counterfactual Retrieval
von: Nomeir, Mohamed, et al.
Veröffentlicht: (2024)

Private Counterfactual Retrieval With Immutable Features
von: Meel, Shreya, et al.
Veröffentlicht: (2024)

Quantifying Prediction Consistency Under Fine-Tuning Multiplicity in Tabular LLMs
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

What If, But Privately: Private Counterfactual Retrieval
von: Meel, Shreya, et al.
Veröffentlicht: (2025)

Redundancy as a Structural Information Principle for Learning and Generalization
von: Bi, Yuda, et al.
Veröffentlicht: (2025)

Robust Counterfactual Explanations for Neural Networks With Probabilistic Guarantees
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

Demystifying Local and Global Fairness Trade-offs in Federated Learning Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2023)

A Unified View of Group Fairness Tradeoffs Using Partial Information Decomposition
von: Hamman, Faisal, et al.
Veröffentlicht: (2024)

Disentangled Structural and Featural Representation for Task-Agnostic Graph Valuation
von: Falahati, Ali, et al.
Veröffentlicht: (2024)

Laplace Sample Information: Data Informativeness Through a Bayesian Lens
von: Kaiser, Johannes, et al.
Veröffentlicht: (2025)

Enhancing Explainability of Graph Neural Networks Through Conceptual and Structural Analyses and Their Extensions
von: Bui, Tien Cuong
Veröffentlicht: (2025)

Beyond Redundancy: Information-aware Unsupervised Multiplex Graph Structure Learning
von: Shen, Zhixiang, et al.
Veröffentlicht: (2024)

Latent Representation and Simulation of Markov Processes via Time-Lagged Information Bottleneck
von: Federici, Marco, et al.
Veröffentlicht: (2023)

Counterfactual Explanations for Model Ensembles Using Entropic Risk Measures
von: Noorani, Erfaun, et al.
Veröffentlicht: (2025)

Over-the-Air Federated Learning: Rethinking Edge AI Through Signal Processing
von: Azimi-Abarghouyi, Seyed Mohammad, et al.
Veröffentlicht: (2025)

Fairness Overfitting in Machine Learning: An Information-Theoretic Perspective
von: Laakom, Firas, et al.
Veröffentlicht: (2025)

Information-Theoretic State Variable Selection for Reinforcement Learning
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

Structural Interpretations of Protein Language Model Representations via Differentiable Graph Partitioning
von: Dutta, Siddhant, et al.
Veröffentlicht: (2026)

Multi-Group Proportional Representation in Retrieval
von: Oesterling, Alex, et al.
Veröffentlicht: (2024)

Analyzing and Improving Chain-of-Thought Monitorability Through Information Theory
von: Anwar, Usman, et al.
Veröffentlicht: (2026)

Informationally Compressive Anonymization: Non-Degrading Sensitive Input Protection for Privacy-Preserving Supervised Machine Learning
von: Samuelson, Jeremy J
Veröffentlicht: (2026)

The Agent Capability Problem: Predicting Solvability Through Information-Theoretic Bounds
von: Lutati, Shahar
Veröffentlicht: (2025)

Knowledge Graph-Based Explainable and Generalized Zero-Shot Semantic Communications
von: Zhang, Zhaoyu, et al.
Veröffentlicht: (2025)

IBB Traffic Graph Data: Benchmarking and Road Traffic Prediction Model
von: Olug, Eren, et al.
Veröffentlicht: (2024)

Factor Graph Optimization of Error-Correcting Codes for Belief Propagation Decoding
von: Choukroun, Yoni, et al.
Veröffentlicht: (2024)

Neural Networks Learn Generic Multi-Index Models Near Information-Theoretic Limit
von: Zhang, Bohan, et al.
Veröffentlicht: (2025)

Generalization and Informativeness of Conformal Prediction
von: Zecchin, Matteo, et al.
Veröffentlicht: (2024)

A Deep Latent Factor Graph Clustering with Fairness-Utility Trade-off Perspective
von: Ghodsi, Siamak, et al.
Veröffentlicht: (2025)

Interpretable Diffusion via Information Decomposition
von: Kong, Xianghao, et al.
Veröffentlicht: (2023)

Data Augmentation in Graph Neural Networks: The Role of Generated Synthetic Graphs
von: Bas, Sumeyye, et al.
Veröffentlicht: (2024)

Machine Unlearning via Information Theoretic Regularization
von: Xu, Shizhou, et al.
Veröffentlicht: (2025)

Information-theoretic Bayesian Optimization: Survey and Tutorial
von: Garrido-Merchán, Eduardo C.
Veröffentlicht: (2025)

An Effective Information Theoretic Framework for Channel Pruning
von: Chen, Yihao, et al.
Veröffentlicht: (2024)

An Information-Theoretic Criterion for Efficient Data Synthesis
von: Li, Hanyu, et al.
Veröffentlicht: (2026)