Buchumschlag

Explaining the Explainer: Understanding the Inner Workings of Transformer-based Symbolic Regression Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	van Breda, Arco, Acar, Erman
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ACTIVA: Amortized Causal Effect Estimation via Transformer-based Variational Autoencoder
von: Sauter, Andreas, et al.
Veröffentlicht: (2025)

Think Smart, Act SMARL! Analyzing Probabilistic Logic Shields for Multi-Agent Reinforcement Learning
von: Chatterji, Satchit, et al.
Veröffentlicht: (2024)

Differentiable Inductive Logic Programming for Fraud Detection
von: Wolfson, Boris, et al.
Veröffentlicht: (2024)

Integrating Fuzzy Logic into Deep Symbolic Regression
von: Gerdes, Wout, et al.
Veröffentlicht: (2024)

On the Potential of Network-Based Features for Fraud Detection
von: Azarm, Catayoun, et al.
Veröffentlicht: (2024)

Explaining the Explainers in Graph Neural Networks: a Comparative Study
von: Longa, Antonio, et al.
Veröffentlicht: (2022)

In-Context Explainers: Harnessing LLMs for Explaining Black Box Models
von: Kroeger, Nicholas, et al.
Veröffentlicht: (2023)

CausalPlayground: Addressing Data-Generation Requirements in Cutting-Edge Causality Research
von: Sauter, Andreas W M, et al.
Veröffentlicht: (2024)

A Neuro-Symbolic Explainer for Rare Events: A Case Study on Predictive Maintenance
von: Gama, João, et al.
Veröffentlicht: (2024)

EMERGENT: Efficient and Manipulation-resistant Matching using GFlowNets
von: Tasnim, Mayesha, et al.
Veröffentlicht: (2025)

Understanding Post-hoc Explainers: The Case of Anchors
von: Lopardo, Gianluigi, et al.
Veröffentlicht: (2023)

Generative Pre-Trained Transformer for Symbolic Regression Base In-Context Reinforcement Learning
von: Li, Yanjie, et al.
Veröffentlicht: (2024)

RegExplainer: Generating Explanations for Graph Neural Networks in Regression Tasks
von: Zhang, Jiaxing, et al.
Veröffentlicht: (2023)

Transformer Explainer: Interactive Learning of Text-Generative Models
von: Cho, Aeree, et al.
Veröffentlicht: (2024)

Axiomatic Characterisations of Sample-based Explainers
von: Amgoud, Leila, et al.
Veröffentlicht: (2024)

Data-Efficient Symbolic Regression via Foundation Model Distillation
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

UNR-Explainer: Counterfactual Explanations for Unsupervised Node Representation Learning Models
von: Kang, Hyunju, et al.
Veröffentlicht: (2026)

CoDy: Counterfactual Explainers for Dynamic Graphs
von: Qu, Zhan, et al.
Veröffentlicht: (2024)

Fast Explanations via Policy Gradient-Optimized Explainer
von: Pan, Deng, et al.
Veröffentlicht: (2024)

PAGE: Parametric Generative Explainer for Graph Neural Network
von: Qiu, Yang, et al.
Veröffentlicht: (2024)

Analyzing Generalization in Pre-Trained Symbolic Regression
von: Voigt, Henrik, et al.
Veröffentlicht: (2025)

Operator Feature Neural Network for Symbolic Regression
von: Deng, Yusong, et al.
Veröffentlicht: (2024)

Pando: Do Interpretability Methods Work When Models Won't Explain Themselves?
von: Zhong, Ziqian, et al.
Veröffentlicht: (2026)

PruneSymNet: A Symbolic Neural Network and Pruning Algorithm for Symbolic Regression
von: Wu, Min, et al.
Veröffentlicht: (2024)

Local Universal Explainer (LUX) -- a rule-based explainer with factual, counterfactual and visual explanations
von: Bobek, Szymon, et al.
Veröffentlicht: (2023)

Towards Comprehensive and Prerequisite-Free Explainer for Graph Neural Networks
von: Zhang, Han, et al.
Veröffentlicht: (2025)

Vertical Symbolic Regression via Deep Policy Gradient
von: Jiang, Nan, et al.
Veröffentlicht: (2024)

WARP: Guaranteed Inner-Layer Repair of NLP Transformers
von: Hsu, Hsin-Ling, et al.
Veröffentlicht: (2026)

TraNCE: Transformative Non-linear Concept Explainer for CNNs
von: Akpudo, Ugochukwu Ejike, et al.
Veröffentlicht: (2025)

ISR: Invertible Symbolic Regression
von: Tohme, Tony, et al.
Veröffentlicht: (2024)

QuXAI: Explainers for Hybrid Quantum Machine Learning Models
von: Barua, Saikat, et al.
Veröffentlicht: (2025)

Evaluating Explainability in Machine Learning Predictions through Explainer-Agnostic Metrics
von: Munoz, Cristian, et al.
Veröffentlicht: (2023)

Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback
von: Saveliev, Evgeny S., et al.
Veröffentlicht: (2026)

In-Context Symbolic Regression for Robustness-Improved Kolmogorov-Arnold Networks
von: Sovrano, Francesco, et al.
Veröffentlicht: (2026)

Sparse Interpretable Deep Learning with LIES Networks for Symbolic Regression
von: Montazerin, Mansooreh, et al.
Veröffentlicht: (2025)

Multi-task GINN-LP for Multi-target Symbolic Regression
von: Rajabu, Hussein, et al.
Veröffentlicht: (2025)

A Comparison of Recent Algorithms for Symbolic Regression to Genetic Programming
von: Radwan, Yousef A., et al.
Veröffentlicht: (2024)

Towards Theoretical Understanding of Transformer Test-Time Computing: Investigation on In-Context Linear Regression
von: Chen, Xingwu, et al.
Veröffentlicht: (2025)

HIT-ROCKET: Hadamard-vector Inner-product Transformer for ROCKET
von: Hao, Wang, et al.
Veröffentlicht: (2025)

GSM-Symbolic: Understanding the Limitations of Mathematical Reasoning in Large Language Models
von: Mirzadeh, Iman, et al.
Veröffentlicht: (2024)