有向单纯形复层用于探索人工神经网络表示

针对现有神经回路发现方法仅表示神经元成对交互的局限，研究人员提出构建过滤有向单纯形复层（DSC）的方法，以提供更高阶因果依赖的拓扑表示。 该方法将人工神经网络视为结构因果模型，利用反事实消融测试特定输入上下文内部神经元组间的因果联系。 在小型多层感知机（MLP）上验证，DSC 恢复了设计特征路径，且与图基线一维骨架一致，为研究分布式特征表示提供了正交框架。