論文の概要: Time Series Model Attribution Visualizations as Explanations

• arxiv url: http://arxiv.org/abs/2109.12935v1
• Date: Mon, 27 Sep 2021 10:44:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-29 01:14:56.934022
• Title: Time Series Model Attribution Visualizations as Explanations
• Title（参考訳）: 説明としての時系列モデル帰属可視化
• Authors: Udo Schlegel, Daniel A. Keim
• Abstract要約: 属性は、単一サンプル上でのディープラーニングモデルに対する一般的な局所的説明手法である。 ヒートマップは、例えば画像上のサンプルに対するそのような属性を視覚化する。 ヒートマップは必ずしも、他のデータ型に対する特定のモデル決定を説明するのに理想的な視覚化ではありません。
• 参考スコア（独自算出の注目度）: 17.09792330992375
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Attributions are a common local explanation technique for deep learning models on single samples as they are easily extractable and demonstrate the relevance of input values. In many cases, heatmaps visualize such attributions for samples, for instance, on images. However, heatmaps are not always the ideal visualization to explain certain model decisions for other data types. In this review, we focus on attribution visualizations for time series. We collect attribution heatmap visualizations and some alternatives, discuss the advantages as well as disadvantages and give a short position towards future opportunities for attributions and explanations for time series.
• Abstract（参考訳）: 属性は単一サンプル上での深層学習モデルの局所的説明手法であり、抽出が容易であり、入力値の関連性を示す。 多くの場合、ヒートマップは、例えば画像上のサンプルに対するそのような属性を視覚化する。 しかし、ヒートマップは他のデータ型に対する特定のモデル決定を説明するのに理想的な可視化であるとは限らない。 本稿では,時系列の属性可視化に焦点をあてる。 我々は帰属ヒートマップの可視化と代替手法を収集し,その利点と欠点を議論し,帰属と時系列説明の機会の短い位置を与える。

関連論文リスト

• Dual-View Data Hallucination with Semantic Relation Guidance for Few-Shot Image Recognition [49.26065739704278]
  本稿では、意味的関係を利用して、画像認識のための二重視点データ幻覚を導出するフレームワークを提案する。 インスタンスビューデータ幻覚モジュールは、新規クラスの各サンプルを幻覚して新しいデータを生成する。 プロトタイプビューデータ幻覚モジュールは、意味認識尺度を利用して、新しいクラスのプロトタイプを推定する。
  論文  参考訳（メタデータ） (2024-01-13T12:32:29Z)
• ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
  チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。 我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
  論文  参考訳（メタデータ） (2023-04-07T15:17:48Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)
• VQ-AR: Vector Quantized Autoregressive Probabilistic Time Series Forecasting [10.605719154114354]
  時系列モデルは過去の予測を正確に予測することを目的としており、そこではビジネス上の意思決定のような重要な下流のタスクに予測が使用される。 本稿では,新しい自己回帰型アーキテクチャであるVQ-ARを提案する。
  論文  参考訳（メタデータ） (2022-05-31T15:43:46Z)
• Visualising Deep Network's Time-Series Representations [93.73198973454944]
  機械学習モデルの普及にもかかわらず、多くの場合、モデルの内部で起きていることに関する洞察のないブラックボックスとして運用される。 本稿では,多次元時系列データの可視化に着目し,この問題に対処する手法を提案する。 高周波在庫市場データセットの実験は、この方法が迅速かつ識別可能な可視化を提供することを示しています。
  論文  参考訳（メタデータ） (2021-03-12T09:53:34Z)
• Visual Time Series Forecasting: An Image-driven Approach [16.57996422431636]
  エージェントが決定を下すためには時系列予測が不可欠である。 実践者からインスパイアされた我々は、視覚的な予測を生成する新しいフレームワークを作成することで、このトピックを再想像する。
  論文  参考訳（メタデータ） (2020-11-18T02:51:37Z)
• From Static to Dynamic Node Embeddings [61.58641072424504]
  本稿では,時間的予測に基づくアプリケーションにグラフストリームデータを活用するための汎用フレームワークを提案する。 提案フレームワークは,適切なグラフ時系列表現を学習するための新しい手法を含む。 トップ3の時間モデルは常に新しい$epsilon$-graphの時系列表現を利用するモデルであることが分かりました。
  論文  参考訳（メタデータ） (2020-09-21T16:48:29Z)
• Deducing neighborhoods of classes from a fitted model [68.8204255655161]
  本稿では,新しいタイプの解釈可能な機械学習手法を提案する。 量子シフトを用いた分類モデルでは、特徴空間の予測クラスへの分割を理解するのに役立ちます。 基本的に、実際のデータポイント(または特定の関心点)を使用し、特定の特徴をわずかに引き上げたり減少させたりした後の予測の変化を観察する。
  論文  参考訳（メタデータ） (2020-09-11T16:35:53Z)
• timeXplain -- A Framework for Explaining the Predictions of Time Series Classifiers [3.6433472230928428]
  本稿では,時間領域,周波数領域,時系列統計に関する新しいドメインマッピングを提案する。 我々は彼らの説明力と限界を分析する。 我々は、TimeXplainといくつかのモデル固有の説明手法を実験的に比較するために、新しい評価基準を用いる。
  論文  参考訳（メタデータ） (2020-07-15T10:32:43Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。