Buchumschlag

On the explainability of max-plus neural networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Enaieh, Ikhlas, Fercoq, Olivier, Ángel, García
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Exploiting Subgradient Sparsity in Max-Plus Neural Networks
von: Enaieh, Ikhlas, et al.
Veröffentlicht: (2026)

Aligned explanations in neural networks
von: Lobet, Corentin, et al.
Veröffentlicht: (2026)

Equivariant neural networks and equivarification
von: Bao, Erkao, et al.
Veröffentlicht: (2019)

Are classical deep neural networks weakly adversarially robust?
von: Sun, Nuolin, et al.
Veröffentlicht: (2025)

On margin-based generalization prediction in deep neural networks
von: Mouton, Coenraad
Veröffentlicht: (2024)

Characterization of topological structures in different neural network architectures
von: Świder, Paweł
Veröffentlicht: (2024)

Spectral structural distortion reveals redundant neurons in neural networks
von: Wang, Yongyu
Veröffentlicht: (2026)

Multi-task convolutional neural network for image aesthetic assessment
von: Soydaner, Derya, et al.
Veröffentlicht: (2023)

Sparse components distinguish visual pathways & their alignment to neural networks
von: Marvi, Ammar I, et al.
Veröffentlicht: (2025)

Neural network relief: a pruning algorithm based on neural activity
von: Dekhovich, Aleksandr, et al.
Veröffentlicht: (2021)

Training morphological neural networks with gradient descent: some theoretical insights
von: Blusseau, Samy
Veröffentlicht: (2024)

Reduced storage direct tensor ring decomposition for convolutional neural networks compression
von: Gabor, Mateusz, et al.
Veröffentlicht: (2024)

Investigating generalization capabilities of neural networks by means of loss landscapes and Hessian analysis
von: Gabdullin, Nikita
Veröffentlicht: (2024)

Human-like visual computing advances explainability and few-shot learning in deep neural networks for complex physiological data
von: Alahmadi, Alaa, et al.
Veröffentlicht: (2025)

Using predefined vector systems to speed up neural network multimillion class classification
von: Gabdullin, Nikita, et al.
Veröffentlicht: (2026)

InfoGNN: End-to-end deep learning on mesh via graph neural networks
von: Gao, Ling, et al.
Veröffentlicht: (2025)

Differentiable, Bit-shifting, and Scalable Quantization without training neural network from scratch
von: Badar, Zia
Veröffentlicht: (2025)

GD doesn't make the cut: Three ways that non-differentiability affects neural network training
von: Kumar, Siddharth Krishna
Veröffentlicht: (2024)

Mapping Rio de Janeiro's favelas: general-purpose vs. satellite-specific neural networks
von: Hallopeau, Thomas, et al.
Veröffentlicht: (2025)

Real-time prediction of breast cancer sites using deformation-aware graph neural network
von: Lee, Kyunghyun, et al.
Veröffentlicht: (2025)

Hand bone age estimation using divide and conquer strategy and lightweight convolutional neural networks
von: Kasani, Amin Ahmadi, et al.
Veröffentlicht: (2024)

Distributed solar generation forecasting using attention-based deep neural networks for cloud movement prediction
von: Perera, Maneesha, et al.
Veröffentlicht: (2024)

ProtoS-ViT: Visual foundation models for sparse self-explainable classifications
von: Turbé, Hugues, et al.
Veröffentlicht: (2024)

Towards a text-based quantitative and explainable histopathology image analysis
von: Nguyen, Anh Tien, et al.
Veröffentlicht: (2024)

The effects of Hessian eigenvalue spectral density type on the applicability of Hessian analysis to generalization capability assessment of neural networks
von: Gabdullin, Nikita
Veröffentlicht: (2025)

Can neural networks count digit frequency?
von: Khandelwal, Padmaksh
Veröffentlicht: (2023)

Enhancing convolutional neural network generalizability via low-rank weight approximation
von: Gao, Chenyin, et al.
Veröffentlicht: (2022)

Bridging visual saliency and large language models for explainable deep learning in medical imaging
von: Nguezet, Paul Valery, et al.
Veröffentlicht: (2026)

MaskSDM with Shapley values to improve flexibility, robustness, and explainability in species distribution modeling
von: Zbinden, Robin, et al.
Veröffentlicht: (2025)

Soft-CAM: Making black box models self-explainable for medical image analysis
von: Djoumessi, Kerol, et al.
Veröffentlicht: (2025)

Robust deep labeling of radiological emphysema subtypes using squeeze and excitation convolutional neural networks: The MESA Lung and SPIROMICS Studies
von: Wysoczanski, Artur, et al.
Veröffentlicht: (2024)

A foundation for exact binarized morphological neural networks
von: Aouad, Theodore, et al.
Veröffentlicht: (2024)

Wasserstein distributional adversarial training for deep neural networks
von: Bai, Xingjian, et al.
Veröffentlicht: (2025)

An approach based on class activation maps for investigating the effects of data augmentation on neural networks for image classification
von: Dorneles, Lucas M., et al.
Veröffentlicht: (2025)

Covariant spatio-temporal receptive fields for spiking neural networks
von: Pedersen, Jens Egholm, et al.
Veröffentlicht: (2024)

CeCNN: Copula-enhanced convolutional neural networks in joint prediction of refraction error and axial length based on ultra-widefield fundus images
von: Zhong, Chong, et al.
Veröffentlicht: (2023)

Automated detection of motion artifacts in brain MR images using deep learning and explainable artificial intelligence
von: Jimeno, Marina Manso, et al.
Veröffentlicht: (2024)

Bayesian sparsification for deep neural networks with Bayesian model reduction
von: Marković, Dimitrije, et al.
Veröffentlicht: (2023)

Kinematic analysis of structural mechanics based on convolutional neural network
von: Zhang, Leye, et al.
Veröffentlicht: (2024)

On the universality of neural encodings in CNNs
von: Guth, Florentin, et al.
Veröffentlicht: (2024)