研究人员开发了一种新的诊断工具，用于确定神经时间序列模型识别的交互是否真实，还是模型灵活性的产物。该方法侧重于输入数据支持的几何形状，而不是所使用的特定神经架构。基于联合滞后块协方差的有效秩的预拟合诊断，可以在模型拟合之前预测恢复交互项的可行性。 AI
影响 提供了一种验证神经时间序列模型发现结果的方法，确保发现的交互是数据驱动的，而不是模型伪影。
排序理由 该集群包含一篇学术论文，详细介绍了用于分析神经网络行为的新方法和诊断工具。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.08390v1 Announce Type: cross Abstract: When a neural time-series model reports that one variable modulates another's effect on a target, is the discovered interaction a property of the data or an artifact of model flexibility? We argue that this is fundamentally a ques…
When a neural time-series model reports that one variable modulates another's effect on a target, is the discovered interaction a property of the data or an artifact of model flexibility? We argue that this is fundamentally a question of identifiability, governed by the geometry …