論文の概要: Delta-XAI: A Unified Framework for Explaining Prediction Changes in Online Time Series Monitoring

• arxiv url: http://arxiv.org/abs/2511.23036v1
• Date: Fri, 28 Nov 2025 09:57:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.84901
• Title: Delta-XAI: A Unified Framework for Explaining Prediction Changes in Online Time Series Monitoring
• Title（参考訳）: Delta-XAI:オンライン時系列モニタリングにおける予測変更を説明する統一フレームワーク
• Authors: Changhun Kim, Yechan Mun, Hyeongwon Jang, Eunseo Lee, Sangchul Hahn, Eunho Yang,
• Abstract要約: 時系列モニタリングは、医療や金融といった繊細な分野において不可欠である。 近年のXAI法では時系列モデルの説明可能性が改善されているが,各ステップを独立して解析することが多い。 提案するDelta-XAIは,14の既存XAIメソッドをラッパー関数で適用し,オンライン設定のための基本的評価スイートを提案する。
• 参考スコア（独自算出の注目度）: 32.292736279133436
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Explaining online time series monitoring models is crucial across sensitive domains such as healthcare and finance, where temporal and contextual prediction dynamics underpin critical decisions. While recent XAI methods have improved the explainability of time series models, they mostly analyze each time step independently, overlooking temporal dependencies. This results in further challenges: explaining prediction changes is non-trivial, methods fail to leverage online dynamics, and evaluation remains difficult. To address these challenges, we propose Delta-XAI, which adapts 14 existing XAI methods through a wrapper function and introduces a principled evaluation suite for the online setting, assessing diverse aspects, such as faithfulness, sufficiency, and coherence. Experiments reveal that classical gradient-based methods, such as Integrated Gradients (IG), can outperform recent approaches when adapted for temporal analysis. Building on this, we propose Shifted Window Integrated Gradients (SWING), which incorporates past observations in the integration path to systematically capture temporal dependencies and mitigate out-of-distribution effects. Extensive experiments consistently demonstrate the effectiveness of SWING across diverse settings with respect to diverse metrics. Our code is publicly available at https://anonymous.4open.science/r/Delta-XAI.
• Abstract（参考訳）: オンライン時系列モニタリングモデルの説明は、医療や金融といった機密性の高い分野において極めて重要であり、時間的および文脈的予測のダイナミクスが重要な決定を下す。 最近のXAI手法では時系列モデルの説明可能性が改善されているが、時間的依存関係を見越して各時間ステップを独立して分析することが多い。 予測変更の説明は簡単ではなく、メソッドはオンラインのダイナミクスを活用できず、評価は難しいままである。 これらの課題に対処するため、デルタXAIは、ラッパー機能を介して14の既存XAIメソッドに適応し、オンライン設定のための原則化された評価スイートを導入し、忠実性、十分性、一貫性などの様々な側面を評価する。 実験により、統合勾配法(IG)のような古典的な勾配に基づく手法は、時間的解析に適応した場合、近年の手法よりも優れていることが示された。 そこで我々は,時間的依存を体系的に捉え,分散効果を緩和するために,過去の観測を統合経路に組み込んだシフトドウィンドウ統合勾配 (SWing) を提案する。 広範囲にわたる実験は、様々な指標に関して、SWingの有効性を一貫して示している。 私たちのコードはhttps://anonymous.4open.science/r/Delta-XAIで公開されています。

関連論文リスト

• Online time series prediction using feature adjustment [3.07487290622028]
  時系列予測は、様々な領域において重要な意味を持つ。 時系列オンライン学習手法は2つの主要な側面に焦点を当てている。 本研究は,データに影響を及ぼす潜在因子の変化から分布変化が生じることを示唆する。
  論文  参考訳（メタデータ） (2025-09-04T01:54:48Z)
• TIMING: Temporality-Aware Integrated Gradients for Time Series Explanation [30.866780156914512]
  従来の統合勾配(IG)は、予測に正と負の両方の影響のある臨界点を効果的に捉える。 これらの課題を克服するために、TIMingを導入し、その理論的特性を維持しながら時間的認識を取り入れてIGを強化する。
  論文  参考訳（メタデータ） (2025-06-05T13:40:40Z)
• Multiresolution Analysis and Statistical Thresholding on Dynamic Networks [49.09073800467438]
  ANIE(Adaptive Network Intensity Estimation)は、ネットワーク構造が進化する時間スケールを自動的に識別する多段階フレームワークである。 ANIEは適切な時間分解能に適応し、ノイズに頑健でありながら鋭い構造変化を捉えることができることを示す。
  論文  参考訳（メタデータ） (2025-06-01T22:55:55Z)
• CORAL: Concept Drift Representation Learning for Co-evolving Time-series [6.4314326272535896]
  概念ドリフトは従来の分析モデルの信頼性と精度に影響を与える。 本稿では,時系列を進化するエコシステムとしてモデル化し,概念ドリフトの表現を学習する手法であるCoRALを提案する。
  論文  参考訳（メタデータ） (2025-01-02T15:09:00Z)
• Bayesian Autoregressive Online Change-Point Detection with Time-Varying Parameters [0.254890465057467]
  現実世界のシステムにおける変化点は、システムの力学における重要な状態変化を示す。 本稿では,一変量時系列を用いたオンライン変化点検出手法を提案する。 時間的依存関係と時間的パラメータをモデル化することにより、推定精度と予測能力の両方を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T10:57:13Z)
• Causal Temporal Regime Structure Learning [49.77103348208835]
  本稿では,DAG(Directed Acyclic Graph)を並列に学習する新しい手法であるCASTORを提案する。 我々は我々の枠組みの中で体制とDAGの識別可能性を確立する。 実験により、CASTORは既存の因果発見モデルより一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-02T17:26:49Z)
• OpenSTL: A Comprehensive Benchmark of Spatio-Temporal Predictive Learning [67.07363529640784]
  提案するOpenSTLは,一般的なアプローチを再帰的モデルと再帰的モデルに分類する。 我々は, 合成移動物体軌道, 人間の動き, 運転シーン, 交通流, 天気予報など, さまざまな領域にわたるデータセットの標準評価を行う。 リカレントフリーモデルは、リカレントモデルよりも効率と性能のバランスが良いことがわかった。
  論文  参考訳（メタデータ） (2023-06-20T03:02:14Z)
• Smoothed Online Learning for Prediction in Piecewise Affine Systems [43.64498536409903]
  本稿では,最近開発されたスムーズなオンライン学習フレームワークに基づく。 これは、断片的なアフィン系における予測とシミュレーションのための最初のアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2023-01-26T15:54:14Z)
• Stochastically forced ensemble dynamic mode decomposition for forecasting and analysis of near-periodic systems [65.44033635330604]
  本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。 固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。 電力グリッドからの負荷データを用いたテストケースの結果が提示される。
  論文  参考訳（メタデータ） (2020-10-08T20:25:52Z)

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。