Buchumschlag

Meta Additive Model: Interpretable Sparse Learning With Auto Weighting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Xuelin, Liu, Xinyue, Wu, Lingjuan, Chen, Hong
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

S2MAM: Semi-supervised Meta Additive Model for Robust Estimation and Variable Selection
von: Zhang, Xuelin, et al.
Veröffentlicht: (2026)

Auto-Rubric: Learning From Implicit Weights to Explicit Rubrics for Reward Modeling
von: Xie, Lipeng, et al.
Veröffentlicht: (2025)

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

Quantifying Multimodal Capabilities: Formal Generalization Guarantees in Pairwise Metric Learning
von: Zhou, Richeng, et al.
Veröffentlicht: (2026)

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

Diagnosis of Fuel Cell Health Status with Deep Sparse Auto-Encoder Neural Network
von: Fei, Chenyan, et al.
Veröffentlicht: (2025)

On the Stability and Generalization of First-order Bilevel Minimax Optimization
von: Zhang, Xuelin, et al.
Veröffentlicht: (2026)

Learning to Interpret Weight Differences in Language Models
von: Goel, Avichal, et al.
Veröffentlicht: (2025)

Fine-grained Analysis of Stability and Generalization for Stochastic Bilevel Optimization
von: Zhang, Xuelin, et al.
Veröffentlicht: (2026)

Explanation-Guided Adversarial Training for Robust and Interpretable Models
von: Chen, Chao, et al.
Veröffentlicht: (2026)

Tensor Polynomial Additive Model
von: Chen, Yang, et al.
Veröffentlicht: (2024)

Quantum-Enhanced Multi-Task Learning with Learnable Weighting for Pharmacokinetic and Toxicity Prediction
von: Zhang, Han, et al.
Veröffentlicht: (2025)

MOSAIC: Module Discovery via Sparse Additive Identifiable Causal Learning for Scientific Time Series
von: Fan, Shicheng, et al.
Veröffentlicht: (2026)

Interpretability-by-Design with Accurate Locally Additive Models and Conditional Feature Effects
von: Gkolemis, Vasilis, et al.
Veröffentlicht: (2026)

Balancing Sparse RNNs with Hyperparameterization Benefiting Meta-Learning
von: Hershey, Quincy, et al.
Veröffentlicht: (2025)

Generalized Sparse Additive Model with Unknown Link Function
von: Yuan, Peipei, et al.
Veröffentlicht: (2024)

Boosting Meta-Learning for Few-Shot Text Classification via Label-guided Distance Scaling
von: Gao, Yunlong, et al.
Veröffentlicht: (2026)

The Interpretable and Effective Graph Neural Additive Networks
von: Bechler-Speicher, Maya, et al.
Veröffentlicht: (2024)

Auto-Unrolled Proximal Gradient Descent: An AutoML Approach to Interpretable Waveform Optimization
von: Kaplan, Ahmet
Veröffentlicht: (2026)

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

Enhancing Uncertainty Estimation and Interpretability via Bayesian Non-negative Decision Layer
von: Hu, Xinyue, et al.
Veröffentlicht: (2025)

Demystifying MuZero Planning: Interpreting the Learned Model
von: Guei, Hung, et al.
Veröffentlicht: (2024)

Towards Scalable Meta-Learning of near-optimal Interpretable Models via Synthetic Model Generations
von: Myint, Kyaw Hpone, et al.
Veröffentlicht: (2025)

Data Pipeline Training: Integrating AutoML to Optimize the Data Flow of Machine Learning Models
von: Wu, Jiang, et al.
Veröffentlicht: (2024)

Theoretical Analysis of Sparse Optimization with Reparameterization, Weight Decay, and Adaptive Learning Rate
von: Xu, Huangyu, et al.
Veröffentlicht: (2026)

SAeUron: Interpretable Concept Unlearning in Diffusion Models with Sparse Autoencoders
von: Cywiński, Bartosz, et al.
Veröffentlicht: (2025)

A Unified Theory of Sparse Dictionary Learning in Mechanistic Interpretability: Piecewise Biconvexity and Spurious Minima
von: Tang, Yiming, et al.
Veröffentlicht: (2025)

A Survey on Sparse Autoencoders: Interpreting the Internal Mechanisms of Large Language Models
von: Shu, Dong, et al.
Veröffentlicht: (2025)

A Meta-Level Learning Algorithm for Sequential Hyper-Parameter Space Reduction in AutoML
von: Borboudakis, Giorgos, et al.
Veröffentlicht: (2023)

Auto-ADMET: An Effective and Interpretable AutoML Method for Chemical ADMET Property Prediction
von: de Sá, Alex G. C., et al.
Veröffentlicht: (2025)

Beyond Additivity: Sparse Isotonic Shapley Regression toward Nonlinear Explainability
von: She, Jialai
Veröffentlicht: (2025)

Neural Additive Experts: Context-Gated Experts for Controllable Model Additivity
von: Xiong, Guangzhi, et al.
Veröffentlicht: (2026)

Permutation Equivariant Model-based Offline Reinforcement Learning for Auto-bidding
von: Mou, Zhiyu, et al.
Veröffentlicht: (2025)

TNPAR: Topological Neural Poisson Auto-Regressive Model for Learning Granger Causal Structure from Event Sequences
von: Liu, Yuequn, et al.
Veröffentlicht: (2023)

Compiler-R1: Towards Agentic Compiler Auto-tuning with Reinforcement Learning
von: Pan, Haolin, et al.
Veröffentlicht: (2025)

Adaptive Weighted Loss for Sequential Recommendations on Sparse Domains
von: Mittal, Akshay, et al.
Veröffentlicht: (2025)

Modelling Cellular Perturbations with the Sparse Additive Mechanism Shift Variational Autoencoder
von: Bereket, Michael, et al.
Veröffentlicht: (2023)

From model-based learning to model-free behaviour with Meta-Interpretive Learning
von: Patsantzis, Stassa
Veröffentlicht: (2025)

Rethinking and Recomputing the Value of Machine Learning Models
von: Sayin, Burcu, et al.
Veröffentlicht: (2022)

Integration of Large Language Models and Federated Learning
von: Chen, Chaochao, et al.
Veröffentlicht: (2023)