研究者提出CUTTIE方法定位神经网络预测概念
Start here
2026年11月2日,研究人员在 arXiv 发表论文,提出了一种名为 CUTTIE 的新方法,用于定位神经网络表征中编码的预测概念。该方法通过将神经网络各层单元聚类成树状结构,并自顶向下执行条件独立性检验,能够在控制族错误率的同时定位与预测目标相关的信息。同时,该方法借助条件归因图来揭示单元所编码的基序。实验显示,在根据 DNA 序列预测细胞特异性染色质可及性的卷积模型中,CUTTIE 识别出的聚类概念成功映射到了已知的生物调控基序。
AI-generated from reports · Updated 4 hours ago
Report timeline
Follow the reports to see different sides of the story.
- arXiv 机器学习通过分层检验定位神经网络表征中编码的预测概念
研究人员提出 CUTTIE 方法,通过将神经网络各层单元聚类成树并自顶向下进行条件独立性检验,在控制族错误率的同时定位与预测目标相关的信息。该方法利用条件归因图揭示单元所编码的基序。在根据 DNA 序列预测细胞特异性染色质可及性的卷积模型中,识别出的聚类概念成功映射到了已知调控基序。
Story heat trend
Current heat 9·Comparable peak 10(Nov 2 14:00)·Comparable change, last 24 hours–
Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.