論文の概要: Time Interpret: a Unified Model Interpretability Library for Time Series
- arxiv url: http://arxiv.org/abs/2306.02968v1
- Date: Mon, 5 Jun 2023 15:31:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-06 14:14:33.559635
- Title: Time Interpret: a Unified Model Interpretability Library for Time Series
- Title（参考訳）: Time Interpret: 時系列のための統一モデル解釈可能性ライブラリ
- Authors: Joseph Enguehard
- Abstract要約: $texttttime_interpret$はCaptumの拡張として設計されたライブラリである。
これは、任意のPytorchモデルによる予測を説明するために使用できるいくつかの機能属性メソッドを実装している。
また、いくつかの合成および実世界の時系列データセット、様々なPyTorchモデル、および特徴属性を評価するための一連のメソッドも提供する。
- 参考スコア（独自算出の注目度）: 0.18459705687628122
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce $\texttt{time_interpret}$, a library designed as an extension of
Captum, with a specific focus on temporal data. As such, this library
implements several feature attribution methods that can be used to explain
predictions made by any Pytorch model. $\texttt{time_interpret}$ also provides
several synthetic and real world time series datasets, various PyTorch models,
as well as a set of methods to evaluate feature attributions. Moreover, while
being primarily developed to explain predictions based on temporal data, some
of its components have a different application, including for instance methods
explaining predictions made by language models. In this paper, we give a
general introduction of this library. We also present several previously
unpublished feature attribution methods, which have been developed along with
$\texttt{time_interpret}$.
- Abstract（参考訳）: Captumの拡張として設計されたライブラリである$\texttt{time_interpret}$を紹介します。
そのため、このライブラリは、任意のpytorchモデルによる予測を説明するために使用できるいくつかの機能帰属メソッドを実装している。
さらに$\texttt{time_interpret}$は、いくつかの合成および実世界の時系列データセット、様々なpytorchモデル、機能属性を評価する一連のメソッドを提供する。
さらに、時間的データに基づく予測を説明するために主に開発されたが、いくつかのコンポーネントは、例えば、言語モデルによる予測を説明するメソッドなど、異なるアプリケーションを持っている。
本稿では,本図書館の概要を紹介する。
以前未発表の機能属性メソッドもいくつか紹介し、$\texttt{time_interpret}$とともに開発されています。
関連論文リスト
- pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - Contrastive Difference Predictive Coding [79.74052624853303]
本研究では、時系列データの断片を縫合して、将来の事象の予測を学習するために必要なデータの量を減少させるコントラッシブ予測符号化の時間差版を導入する。
目的条件付きRLの非政治アルゴリズムを導出するために,この表現学習手法を適用した。
論文 参考訳（メタデータ） (2023-10-31T03:16:32Z) - Forecasting large collections of time series: feature-based methods [7.353918137830393]
時系列の膨大なコレクションを予測する場合,時系列特徴量を用いて2行のアプローチが開発されている。
この章では、オープンソースのソフトウェア実装を参照しながら、最先端の機能ベースのメソッドについて論じます。
論文 参考訳（メタデータ） (2023-09-25T01:23:02Z) - Tweet Insights: A Visualization Platform to Extract Temporal Insights
from Twitter [19.591692602304494]
本稿では,Twitterから得られた時系列データの大規模な収集について紹介する。
このデータは過去5年間に渡り、n-gramの頻度、類似性、感情、トピックの分布の変化を捉えている。
このデータの上に構築されたインタフェースは、時間的分析によって意味の変化を検出し、特徴付けることができる。
論文 参考訳（メタデータ） (2023-08-04T05:39:26Z) - Feature-Based Time-Series Analysis in R using the theft Package [0.0]
時系列機能の集合を計算するための多くのオープンソースソフトウェアパッケージは、複数のプログラミング言語にまたがって存在している。
ここでは、これらの問題の解決策を、盗難と呼ばれるRソフトウェアパッケージに紹介する。
論文 参考訳（メタデータ） (2022-08-12T07:29:29Z) - TSInterpret: A unified framework for time series interpretability [0.0]
解釈可能性のアプローチと視覚化は、統一されたAPIやフレームワークを使わずに、多種多様である。
本稿では,時系列分類器の予測を解釈するオープンソースPythonライブラリTSInterpretを紹介する。
i) 最先端の解釈可能性アルゴリズム、(ii) 統一されたAPIを公開し、ユーザーが一貫した説明を扱えるようにし、(iii) それぞれの説明に相応しいものを提供する。
論文 参考訳（メタデータ） (2022-08-10T11:25:58Z) - TSFEDL: A Python Library for Time Series Spatio-Temporal Feature
Extraction and Prediction using Deep Learning (with Appendices on Detailed
Network Architectures and Experimental Cases of Study) [9.445070013080601]
TSFEライブラリは、AGPLv3ライセンスの下でflow+KerasとPyTorchモジュールのセット上に構築されている。
この提案に含まれるアーキテクチャのパフォーマンス検証は、このPythonパッケージの有用性を確認している。
論文 参考訳（メタデータ） (2022-06-07T10:58:33Z) - TACTiS: Transformer-Attentional Copulas for Time Series [76.71406465526454]
時間変化量の推定は、医療や金融などの分野における意思決定の基本的な構成要素である。
本稿では,アテンションベースデコーダを用いて関節分布を推定する多元的手法を提案する。
本研究では,本モデルが実世界の複数のデータセットに対して最先端の予測を生成することを示す。
論文 参考訳（メタデータ） (2022-02-07T21:37:29Z) - Instance-wise Graph-based Framework for Multivariate Time Series
Forecasting [69.38716332931986]
我々は,異なる時刻スタンプにおける変数の相互依存性を利用するための,シンプルで効率的なインスタンス単位のグラフベースのフレームワークを提案する。
私たちのフレームワークのキーとなる考え方は、異なる変数の履歴時系列から予測すべき現在の時系列に情報を集約することです。
論文 参考訳（メタデータ） (2021-09-14T07:38:35Z) - Meta-Learning for Koopman Spectral Analysis with Short Time-series [49.41640137945938]
既存の手法では、ニューラルネットワークのトレーニングに長い時間を要する。
本稿では,未知の短い時系列から埋め込み関数を推定するメタラーニング手法を提案する。
提案手法は,固有値推定と将来予測の観点から,よりよい性能を実現することを実験的に実証した。
論文 参考訳（メタデータ） (2021-02-09T07:19:19Z) - Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。
このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。
分類モデルと非分類モデルの両方に使用できる。
論文 参考訳（メタデータ） (2020-09-16T18:57:57Z)
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。