In Search of Grandmother Cells: Tracing Interpretable Neurons in Tabular Representations

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Knauer, Ricardo, Rodner, Erik
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Squeezing Lemons with Hammers: An Evaluation of AutoML and Tabular Deep Learning for Data-Scarce Classification Applications
di: Knauer, Ricardo, et al.
Pubblicazione: (2024)

PMLBmini: A Tabular Classification Benchmark Suite for Data-Scarce Applications
di: Knauer, Ricardo, et al.
Pubblicazione: (2024)

ConceptTracer: Interactive Analysis of Concept Saliency and Selectivity in Neural Representations
di: Knauer, Ricardo, et al.
Pubblicazione: (2026)

Embedding World Knowledge into Tabular Models: Towards Best Practices for Embedding Pipeline Design
di: Kolomenko, Oksana, et al.
Pubblicazione: (2026)

"Oh LLM, I'm Asking Thee, Please Give Me a Decision Tree": Zero-Shot Decision Tree Induction and Embedding with Large Language Models
di: Knauer, Ricardo, et al.
Pubblicazione: (2024)

SAFR: Neuron Redistribution for Interpretability
di: Chang, Ruidi, et al.
Pubblicazione: (2025)

Interpretable Graph Neural Networks for Tabular Data
di: Alkhatib, Amr, et al.
Pubblicazione: (2023)

Robust Weight Imprinting: Insights from Neural Collapse and Proxy-Based Aggregation
di: Westerhoff, Justus, et al.
Pubblicazione: (2025)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
di: Yan, Ge, et al.
Pubblicazione: (2025)

Structural Compositional Function Networks: Interpretable Functional Compositions for Tabular Discovery
di: Li, Fang
Pubblicazione: (2026)

WISCA: A Consensus-Based Approach to Harmonizing Interpretability in Tabular Datasets
di: Banegas-Luna, Antonio Jesús, et al.
Pubblicazione: (2025)

Neuronal Attention Circuit (NAC) for Representation Learning
di: Razzaq, Waleed, et al.
Pubblicazione: (2025)

Kernel-Level Energy-Efficient Neural Architecture Search for Tabular Dataset
di: La, Hoang-Loc, et al.
Pubblicazione: (2025)

ProtoNAM: Prototypical Neural Additive Models for Interpretable Deep Tabular Learning
di: Xiong, Guangzhi, et al.
Pubblicazione: (2024)

TabINR: An Implicit Neural Representation Framework for Tabular Data Imputation
di: Ochs, Vincent, et al.
Pubblicazione: (2025)

RamanBench: A Large-Scale Benchmark for Machine Learning on Raman Spectroscopy
di: Koddenbrock, Mario, et al.
Pubblicazione: (2026)

Neuronal Stochastic Attention Circuit (NSAC) for Probabilistic Representation Learning
di: Razzaq, Waleed, et al.
Pubblicazione: (2026)

Schema-Adaptive Tabular Representation Learning with LLMs for Generalizable Multimodal Clinical Reasoning
di: Mao, Hongxi, et al.
Pubblicazione: (2026)

TabDeco: A Comprehensive Contrastive Framework for Decoupled Representations in Tabular Data
di: Chen, Suiyao, et al.
Pubblicazione: (2024)

Helix 1.0: An Open-Source Framework for Reproducible and Interpretable Machine Learning on Tabular Scientific Data
di: Aguilar-Bejarano, Eduardo, et al.
Pubblicazione: (2025)

Challenges in Mechanistically Interpreting Model Representations
di: Golechha, Satvik, et al.
Pubblicazione: (2024)

Interpretable Representation Learning for Additive Rule Ensembles
di: Behzadimanesh, Shahrzad, et al.
Pubblicazione: (2025)

Uncovering the Representation Geometry of Minimal Cores in Overcomplete Reasoning Traces
di: Chowdhury, Sanjoy, et al.
Pubblicazione: (2026)

LLM DNA: Tracing Model Evolution via Functional Representations
di: Wu, Zhaomin, et al.
Pubblicazione: (2025)

TabularMath: Evaluating Computational Extrapolation in Tabular Learning via Program-Verified Synthesis
di: Cheng, Zerui, et al.
Pubblicazione: (2026)

Learning Interpretable Rules for Scalable Data Representation and Classification
di: Wang, Zhuo, et al.
Pubblicazione: (2023)

Interpretable Representations in Explainable AI: From Theory to Practice
di: Sokol, Kacper, et al.
Pubblicazione: (2020)

NeuronSeek: On Stability and Expressivity of Task-driven Neurons
di: Pei, Hanyu, et al.
Pubblicazione: (2025)

Robust Tabular Foundation Models
di: Peroni, Matthew, et al.
Pubblicazione: (2025)

Universal Embeddings of Tabular Data
di: Franz, Astrid, et al.
Pubblicazione: (2025)

Learning Interpretable Low-dimensional Representation via Physical Symmetry
di: Liu, Xuanjie, et al.
Pubblicazione: (2023)

Towards Interpretable Reinforcement Learning with Constrained Normalizing Flow Policies
di: Rietz, Finn, et al.
Pubblicazione: (2024)

Structural Equation-VAE: Disentangled Latent Representations for Tabular Data
di: Zhang, Ruiyu, et al.
Pubblicazione: (2025)

Interactive incremental learning of generalizable skills with local trajectory modulation
di: Knauer, Markus, et al.
Pubblicazione: (2024)

Shapley Neuron Values for Continual Learning: Which Neurons Matter Most?
di: Vahedifar, Mohammad Ali, et al.
Pubblicazione: (2026)

Personalized Product Search Ranking: A Multi-Task Learning Approach with Tabular and Non-Tabular Data
di: Morishetti, Lalitesh, et al.
Pubblicazione: (2025)

Deep Feature Embedding for Tabular Data
di: Wu, Yuqian, et al.
Pubblicazione: (2024)

Automated Model Selection for Tabular Data
di: Amballa, Avinash, et al.
Pubblicazione: (2024)

A Survey on Deep Tabular Learning
di: Somvanshi, Shriyank, et al.
Pubblicazione: (2024)

Tabular and Deep Learning for the Whittle Index
di: Relaño, Francisco Robledo, et al.
Pubblicazione: (2024)