論文の概要: Guided by Stars: Interpretable Concept Learning Over Time Series via Temporal Logic Semantics

• arxiv url: http://arxiv.org/abs/2511.04244v1
• Date: Thu, 06 Nov 2025 10:31:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-07 20:17:53.389673
• Title: Guided by Stars: Interpretable Concept Learning Over Time Series via Temporal Logic Semantics
• Title（参考訳）: スターズガイド:時相論理セマンティックスによる時系列の解釈可能な概念学習
• Authors: Irene Ferfoglia, Simone Silvetti, Gaia Saveri, Laura Nenzi, Luca Bortolussi,
• Abstract要約: STELLEは、時間論理の概念の空間に軌跡を直接埋め込むことによって分類と説明を統一する神経象徴的なフレームワークである。 我々のモデルは精度と解釈可能性を共同で最適化し、各予測はそれを特徴付ける最も関連する論理的概念を伴っている。 実験により、STELLEは様々な実世界のベンチマークで検証された論理的に忠実な説明を提供しながら、競争精度を達成していることが示された。
• 参考スコア（独自算出の注目度）: 3.071933369858584
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Time series classification is a task of paramount importance, as this kind of data often arises in safety-critical applications. However, it is typically tackled with black-box deep learning methods, making it hard for humans to understand the rationale behind their output. To take on this challenge, we propose a novel approach, STELLE (Signal Temporal logic Embedding for Logically-grounded Learning and Explanation), a neuro-symbolic framework that unifies classification and explanation through direct embedding of trajectories into a space of temporal logic concepts. By introducing a novel STL-inspired kernel that maps raw time series to their alignment with predefined STL formulae, our model jointly optimises accuracy and interpretability, as each prediction is accompanied by the most relevant logical concepts that characterise it. This yields (i) local explanations as human-readable STL conditions justifying individual predictions, and (ii) global explanations as class-characterising formulae. Experiments demonstrate that STELLE achieves competitive accuracy while providing logically faithful explanations, validated on diverse real-world benchmarks.
• Abstract（参考訳）: 時系列分類は、この種のデータが安全クリティカルなアプリケーションでしばしば発生するため、最重要課題である。 しかし、通常はブラックボックスのディープラーニング手法に取り組んでおり、人間が出力の背後にある理論的根拠を理解することは困難である。 この課題に取り組むために,我々は,時間論理概念の空間に軌跡を直接埋め込むことによって分類と説明を統一するニューラルシンボリック・フレームワークであるSTELLE(Signal Temporal logic Embedding for Logically-grounded Learning and Explanation)を提案する。 実時間列を予め定義されたSTL式とアライメントにマッピングする新しいSTLインスパイアされたカーネルを導入することで、予測に最も関連する論理的概念が伴うので、精度と解釈性を共同で最適化する。 これは収量です 一 個人の予測を正当化する人間可読性STL条件としての局所的説明及び (ii)クラス特性式としてのグローバルな説明。 実験により、STELLEは様々な実世界のベンチマークで検証された論理的に忠実な説明を提供しながら、競争精度を達成していることが示された。

関連論文リスト

• Priors in Time: Missing Inductive Biases for Language Model Interpretability [58.07412640266836]
  スパースオートエンコーダは、時間とともに概念の独立を前提としており、定常性を暗示している。 本稿では,時間的帰納バイアスを持つ新たな解釈可能性目標である時間的特徴分析を導入し,その表現を2つの部分に分解する。 私たちの結果は、堅牢な解釈可能性ツールの設計において、データにマッチする帰納的バイアスの必要性を浮き彫りにしています。
  論文  参考訳（メタデータ） (2025-11-03T18:43:48Z)
• Towards Interpretable Concept Learning over Time Series via Temporal Logic Semantics [3.071933369858584]
  本稿では,軌道の直接埋め込みによる分類と説明を統一するニューロシンボリック・フレームワークを提案する。 実時間列と予め定義されたSTL式とのアライメントをマッピングする新しいSTLインスパイアされたカーネルを導入することで,モデルの精度と解釈性が向上する。 初期の結果は、モデル決定のための高品質な論理的正当性を提供しながら、競争性能を示している。
  論文  参考訳（メタデータ） (2025-08-05T09:50:55Z)
• ECATS: Explainable-by-design concept-based anomaly detection for time series [0.5956301166481089]
  本稿では,概念をSTL(Signal Temporal Logic)公式として表現する概念に基づくニューロシンボリックアーキテクチャであるECATSを提案する。 我々は,局所的な解釈可能性を確保しつつ,優れた分類性能が得られることを示す。
  論文  参考訳（メタデータ） (2024-05-17T08:12:53Z)
• LOGICSEG: Parsing Visual Semantics with Neural Logic Learning and Reasoning [73.98142349171552]
  LOGICSEGは、神経誘導学習と論理推論をリッチデータとシンボリック知識の両方に統合する、全体論的視覚意味論である。 ファジィ論理に基づく連続的な緩和の間、論理式はデータとニューラルな計算グラフに基礎を置いており、論理によるネットワークトレーニングを可能にする。 これらの設計によりLOGICSEGは、既存のセグメンテーションモデルに容易に統合できる汎用的でコンパクトなニューラル論理マシンとなる。
  論文  参考訳（メタデータ） (2023-09-24T05:43:19Z)
• Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
  時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。 TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。 共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:40:03Z)
• Linear Temporal Logic Modulo Theories over Finite Traces (Extended Version) [72.38188258853155]
  有限トレース(LTLf)上の線形時間論理について検討する。 命題の文字は任意の理論で解釈された一階述語式に置き換えられる。 Satisfiability Modulo Theories (LTLfMT) と呼ばれる結果の論理は半決定可能である。
  論文  参考訳（メタデータ） (2022-04-28T17:57:33Z)
• Temporal Answer Set Programming [3.263632801414296]
  本稿では,その知識表現と宣言的問題解決への応用の観点から,時間論理プログラミングの概要を述べる。 本研究は,TEL(Temporal Equilibrium Logic)と呼ばれる非単調な形式論の最近の成果に焦点を当てる。 第2部では,ASP.NET に近い時間論理プログラムと呼ばれる構文的断片を定義し,この問題が解決器 TEINGO の構築においてどのように活用されたかを説明する。
  論文  参考訳（メタデータ） (2020-09-14T16:13:36Z)

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。