論文の概要: Interpretability in Deep Time Series Models Demands Semantic Alignment

• arxiv url: http://arxiv.org/abs/2602.02239v1
• Date: Mon, 02 Feb 2026 15:48:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.264283
• Title: Interpretability in Deep Time Series Models Demands Semantic Alignment
• Title（参考訳）: 深部時系列モデルにおける意味的アライメントの解釈可能性
• Authors: Giovanni De Felice, Riccardo D'Elia, Alberto Termine, Pietro Barbiero, Giuseppe Marra, Silvia Santini,
• Abstract要約: 我々は、ディープ時系列モデルにおける解釈可能性について、セマンティックアライメントを追求すべきだと述べる。 一度定着すると、意味的アライメントは時間的進化の下で保持されなければならない。 我々は、セマンティックに整合したディープ時系列モデルのための青写真について概説し、信頼をサポートする特性を特定し、モデル設計への影響について議論する。
• 参考スコア（独自算出の注目度）: 19.12673689717747
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep time series models continue to improve predictive performance, yet their deployment remains limited by their black-box nature. In response, existing interpretability approaches in the field keep focusing on explaining the internal model computations, without addressing whether they align or not with how a human would reason about the studied phenomenon. Instead, we state interpretability in deep time series models should pursue semantic alignment: predictions should be expressed in terms of variables that are meaningful to the end user, mediated by spatial and temporal mechanisms that admit user-dependent constraints. In this paper, we formalize this requirement and require that, once established, semantic alignment must be preserved under temporal evolution: a constraint with no analog in static settings. Provided with this definition, we outline a blueprint for semantically aligned deep time series models, identify properties that support trust, and discuss implications for model design.
• Abstract（参考訳）: 深層時系列モデルは予測性能を改善し続けているが、それらの展開はブラックボックスの性質によって制限されている。 これに対し、現場にある既存の解釈可能性のアプローチは、人間が研究された現象についてどのように考えるかに一致しているかどうかを問うことなく、内部モデル計算の説明に焦点を合わせている。 予測はエンドユーザにとって意味のある変数の言葉で表現されるべきであり、ユーザ依存の制約を受け入れる空間的および時間的メカニズムが介在する。 本稿では、この要件を定式化し、一度確立すれば、時間的進化の下で意味的アライメントを保たなければならない。 この定義により、セマンティックに整合したディープ時系列モデルの青写真を作成し、信頼をサポートする特性を特定し、モデル設計への影響について議論する。

関連論文リスト

• From Observations to States: Latent Time Series Forecasting [65.98504021691666]
  本稿では,TSFを観測回帰から潜時予測に移行する新しいパラダイムであるLatent Time Series Forecasting(LatentTSF)を提案する。 具体的には、LatentTSFはAutoEncoderを使用して、各段階での観測結果を高次元の潜在状態空間に投影する。 提案する潜伏目標は,予測潜伏状態と地道状態と観測値との相互情報を暗黙的に最大化する。
  論文  参考訳（メタデータ） (2026-01-30T20:39:44Z)
• Temporal Concept Dynamics in Diffusion Models via Prompt-Conditioned Interventions [70.87254264798341]
  PCIは、拡散時間を通して概念力学を解析するためのトレーニング不要でモデルに依存しないフレームワークである。 拡散モデルにまたがる様々な時間的挙動を明らかにしており、同じ概念タイプであっても、軌道の特定の位相は特定の概念に好適である。
  論文  参考訳（メタデータ） (2025-12-09T11:05:08Z)
• When, How Long and How Much? Interpretable Neural Networks for Time Series Regression by Learning to Mask and Aggregate [16.533105886716804]
  時系列外部回帰(英: Time series extrinsic regression、TSER)とは、連続目標変数を入力時系列から予測するタスクである。 新しいアプローチは、アノテーションを必要とせずに、人間の理解可能な概念のコンパクトなセットを学ぶ。
  論文  参考訳（メタデータ） (2025-12-03T09:01:41Z)
• 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)
• Dissociating model architectures from inference computations [0.6906005491572401]
  自己回帰モデルと深部時間モデルが非マルコフ列モデリングの処理においてどのように異なるかを示す。 本研究では, 時間的深部計算を自己回帰モデルで模倣し, 反復的推論中にコンテキストアクセスを構造化できることを実証する。
  論文  参考訳（メタデータ） (2025-07-21T16:30:42Z)
• Enforcing Interpretability in Time Series Transformers: A Concept Bottleneck Framework [2.8470354623829577]
  本研究では,時系列変換器の解釈可能性を実現するための概念ボトルネックモデルに基づくフレームワークを開発する。 我々は、事前定義された解釈可能な概念に似た表現を開発するようモデルに促すために、トレーニング対象を変更する。 モデルの性能はほとんど影響を受けていないが、モデルは解釈可能性を大幅に改善している。
  論文  参考訳（メタデータ） (2024-10-08T14:22:40Z)
• Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
  本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。 本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。 実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-08-10T17:04:39Z)
• Uncertainty in Real-Time Semantic Segmentation on Embedded Systems [23.45104074322328]
  自動運転車や人間のコンピュータインタラクションなどの分野におけるセマンティックセグメンテーションモデルの適用には、リアルタイムの予測機能が必要である。 リアルタイムアプリケーションに対処する上での課題は、リソース制約のあるハードウェアを操作する必要性によって増幅される。 本稿では,事前学習モデルからの深い特徴抽出とベイズ回帰とモーメント伝搬を組み合わせることで,不確実性を考慮した予測を行う。
  論文  参考訳（メタデータ） (2022-12-20T07:32:12Z)
• 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)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。