Buchumschlag

Causal Interpretation of Neural Network Computations with Contribution Decomposition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Melander, Joshua Brendan, Alaoui, Zaki, Liu, Shenghua, Ganguli, Surya, Baccus, Stephen A.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CI-GNN: A Granger Causality-Inspired Graph Neural Network for Interpretable Brain Network-Based Psychiatric Diagnosis
von: Zheng, Kaizhong, et al.
Veröffentlicht: (2023)

Solving adversarial examples requires solving exponential misalignment
von: Salvatore, Alessandro, et al.
Veröffentlicht: (2026)

Integrated Brain Connectivity Analysis with fMRI, DTI, and sMRI Powered by Interpretable Graph Neural Networks
von: Qu, Gang, et al.
Veröffentlicht: (2024)

BACE: Behavior-Adaptive Connectivity Estimation for Interpretable Graphs of Neural Dynamics
von: Asadi, Mehrnaz, et al.
Veröffentlicht: (2025)

Topological Sensitivity in Connectome-Constrained Neural Networks
von: Dhiman, Nalin
Veröffentlicht: (2026)

HetSyn: Versatile Timescale Integration in Spiking Neural Networks via Heterogeneous Synapses
von: Deng, Zhichao, et al.
Veröffentlicht: (2025)

Unified Policy Value Decomposition for Rapid Adaptation
von: Capone, Cristiano, et al.
Veröffentlicht: (2026)

Contribution of task-irrelevant stimuli to drift of neural representations
von: Pashakhanloo, Farhad
Veröffentlicht: (2025)

DCHO: A Decomposition-Composition Framework for Predicting Higher-Order Brain Connectivity to Enhance Diverse Downstream Applications
von: Li, Weibin, et al.
Veröffentlicht: (2025)

Attention for Causal Relationship Discovery from Biological Neural Dynamics
von: Lu, Ziyu, et al.
Veröffentlicht: (2023)

Training Large Neural Networks With Low-Dimensional Error Feedback
von: Hanut, Maher, et al.
Veröffentlicht: (2025)

Efficient Logit-based Knowledge Distillation of Deep Spiking Neural Networks for Full-Range Timestep Deployment
von: Yu, Chengting, et al.
Veröffentlicht: (2025)

Multi-modal Gaussian Process Variational Autoencoders for Neural and Behavioral Data
von: Gondur, Rabia, et al.
Veröffentlicht: (2023)

Latent Variable Double Gaussian Process Model for Decoding Complex Neural Data
von: Ziaei, Navid, et al.
Veröffentlicht: (2024)

Lattice-Based Pruning in Recurrent Neural Networks via Poset Modeling
von: Sengupta, Rakesh
Veröffentlicht: (2025)

Algorithm Development in Neural Networks: Insights from the Streaming Parity Task
von: van Rossem, Loek, et al.
Veröffentlicht: (2025)

Learning Glioblastoma Tumor Heterogeneity Using Brain Inspired Topological Neural Networks
von: Paul, Ankita, et al.
Veröffentlicht: (2026)

An analytic theory of creativity in convolutional diffusion models
von: Kamb, Mason, et al.
Veröffentlicht: (2024)

Interpretable Features for the Assessment of Neurodegenerative Diseases through Handwriting Analysis
von: Thebaud, Thomas, et al.
Veröffentlicht: (2024)

Multi-intention Inverse Q-learning for Interpretable Behavior Representation
von: Zhu, Hao, et al.
Veröffentlicht: (2023)

Online Generalised Predictive Coding
von: Bazargani, Mehran H. Z., et al.
Veröffentlicht: (2026)

NeuroLIP: Interpretable and Fair Cross-Modal Alignment of fMRI and Phenotypic Text
von: Yang, Yanting, et al.
Veröffentlicht: (2025)

Trial-Level Time-frequency EEG Desynchronization as a Neural Marker of Pain
von: Blanco-Mora, D. A., et al.
Veröffentlicht: (2025)

Benchmarking Probabilistic Time Series Forecasting Models on Neural Activity
von: Lu, Ziyu, et al.
Veröffentlicht: (2025)

Interpretable EEG Microstate Discovery via Variational Deep Embedding: A Systematic Architecture Search with Multi-Quadrant Evaluation
von: Faremi, Saheed, et al.
Veröffentlicht: (2026)

Latent Diffusion for Neural Spiking Data
von: Kapoor, Jaivardhan, et al.
Veröffentlicht: (2024)

Langevin Flows for Modeling Neural Latent Dynamics
von: Song, Yue, et al.
Veröffentlicht: (2025)

Neural timescales from a computational perspective
von: Zeraati, Roxana, et al.
Veröffentlicht: (2024)

SpikeProphecy: A Large-Scale Benchmark for Autoregressive Neural Population Forecasting
von: Minnick, John R., et al.
Veröffentlicht: (2026)

POCO: Scalable Neural Forecasting through Population Conditioning
von: Duan, Yu, et al.
Veröffentlicht: (2025)

Estimating Dimensionality of Neural Representations from Finite Samples
von: Chun, Chanwoo, et al.
Veröffentlicht: (2025)

Modeling Neural Activity with Conditionally Linear Dynamical Systems
von: Geadah, Victor, et al.
Veröffentlicht: (2025)

Beyond Turing: Memory-Amortized Inference as a Foundation for Cognitive Computation
von: Li, Xin
Veröffentlicht: (2025)

BCI-sift: An automated feature selection toolbox for Brain Computer Interface applications
von: Offenberg, Elena C, et al.
Veröffentlicht: (2026)

Neural-Behavioral Representation of Natural Whole-body Movement in Monkeys
von: He, Jieshi, et al.
Veröffentlicht: (2026)

Identifying Connectivity Distributions from Neural Dynamics Using Flows
von: Kim, Timothy Doyeon, et al.
Veröffentlicht: (2026)

Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching
von: Rogalla, Nicole, et al.
Veröffentlicht: (2026)

Population Transformer: Learning Population-level Representations of Neural Activity
von: Chau, Geeling, et al.
Veröffentlicht: (2024)

NeuroBind: Towards Unified Multimodal Representations for Neural Signals
von: Yang, Fengyu, et al.
Veröffentlicht: (2024)

NeuralBench: A Unifying Framework to Benchmark NeuroAI Models
von: Banville, Hubert, et al.
Veröffentlicht: (2026)