論文の概要: Towards plausibility in time series counterfactual explanations

• arxiv url: http://arxiv.org/abs/2603.08349v1
• Date: Mon, 09 Mar 2026 13:13:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:16.083087
• Title: Towards plausibility in time series counterfactual explanations
• Title（参考訳）: 時系列対実的説明における妥当性について
• Authors: Marcin Kostrzewa, Krzysztof Galus, Maciej Zięba,
• Abstract要約: 本稿では,時系列分類問題に対する妥当な反実的説明を生成するための新しい手法を提案する。 この手法は入力空間内で直接勾配に基づく最適化を行う。 妥当性を高めるために、ターゲットクラスの$k$-nearest 隣人とソフトDTWアライメントを統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a new method for generating plausible counterfactual explanations for time series classification problems. The approach performs gradient-based optimization directly in the input space. To enforce plausibility, we integrate soft-DTW (dynamic time warping) alignment with $k$-nearest neighbors from the target class, which effectively encourages the generated counterfactuals to adopt a realistic temporal structure. The overall optimization objective is a multi-faceted loss function that balances key counterfactual properties. It incorporates losses for validity, sparsity, and proximity, alongside the novel soft-DTW-based plausibility component. We conduct an evaluation of our method against several strong reference approaches, measuring the key properties of the generated counterfactuals across multiple dimensions. The results demonstrate that our method achieves competitive performance in validity while significantly outperforming existing approaches in distributional alignment with the target class, indicating superior temporal realism. Furthermore, a qualitative analysis highlights the critical limitations of existing methods in preserving realistic temporal structure. This work shows that the proposed method consistently generates counterfactual explanations for time series classifiers that are not only valid but also highly plausible and consistent with temporal patterns.
• Abstract（参考訳）: 本稿では,時系列分類問題に対する妥当な反実的説明を生成するための新しい手法を提案する。 この手法は入力空間内で直接勾配に基づく最適化を行う。 妥当性を高めるために,ターゲットクラスからの$k$-nearest 隣人とのソフトDTWアライメントを統合し,現実的な時間構造を採用することを効果的に促す。 全体的な最適化の目的は、キーカウンターファクト特性のバランスをとる多面的損失関数である。 これは、新しいソフトDTWベースの可視性コンポーネントとともに、有効性、疎性、近接性の損失を含む。 提案手法は,複数次元にまたがって生成した反事実の鍵となる特性を計測し,いくつかの強い参照手法に対して評価する。 その結果,本手法は時間的リアリズムに優れる分布的アライメントの既存手法よりも優れた性能を示しながら,妥当性の競争性を実現していることがわかった。 さらに質的な分析は、現実的な時間構造を保存する上で、既存の方法の限界を強調している。 本研究は,提案手法が有効であるだけでなく,時間的パターンとの整合性も高い時系列分類器に対して,一貫した反実的説明を生成することを示す。

関連論文リスト

• GenFacts-Generative Counterfactual Explanations for Multi-Variate Time Series [5.364986293275663]
  提案するTextbfGenFactsは、可塑性および作用可能な対実的説明を生成するための新しい生成フレームワークである。 我々は,レーダジェスチャ認識に関するGenFactsを産業的ユースケースとして評価し,手書き文字トラジェクトリを直感的なベンチマークとして検討した。
  論文  参考訳（メタデータ） (2025-09-25T09:22:19Z)
• Generative Regression Based Watch Time Prediction for Short-Video Recommendation [36.95095097454143]
  短いビデオレコメンデーションシステムでは、時計の時間予測が重要なタスクとして現れている。 最近の研究は、連続時計時間推定を正規回帰タスクに変換することによって、これらの問題に対処しようとしている。 本稿では,WTPをシーケンス生成タスクとして再構成する新しい生成回帰(GR)フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-28T16:48:55Z)
• Statistical Inference for Temporal Difference Learning with Linear Function Approximation [55.80276145563105]
  The statistics properties of Temporal difference learning with Polyak-Ruppert averaging。 3つの理論的な貢献により、現在の最先端の成果が向上する。
  論文  参考訳（メタデータ） (2024-10-21T15:34:44Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)
• Don't Explain Noise: Robust Counterfactuals for Randomized Ensembles [50.81061839052459]
  我々は確率論的問題として、堅牢な対実的説明の生成を定式化する。 アンサンブルモデルのロバスト性とベース学習者のロバスト性との関係を示す。 本手法は, 反実的説明から初期観測までの距離をわずかに増加させるだけで, 高いロバスト性を実現する。
  論文  参考訳（メタデータ） (2022-05-27T17:28:54Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• Temporal Transductive Inference for Few-Shot Video Object Segmentation [27.140141181513425]
  Few-shot Object segmentation (FS-VOS) は、初期訓練中に見えないクラスのラベル付き例を用いて、ビデオフレームのセグメンテーションを目的としている。 我々のアプローチの鍵は、グローバルな時間的制約とローカルな時間的制約の両方を使用することである。 経験的に、我々のモデルは、YouTube-VIS上の組合間の平均交点を2.8%上回る、最先端のメタラーニングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-03-27T14:08:30Z)
• Breaking the Convergence Barrier: Optimization via Fixed-Time Convergent Flows [4.817429789586127]
  本稿では, 固定時間安定力学系の概念に基づいて, 加速を実現するための多言語最適化フレームワークを提案する。 提案手法の高速化された収束特性を,最先端の最適化アルゴリズムに対して様々な数値例で検証する。
  論文  参考訳（メタデータ） (2021-12-02T16:04:40Z)
• Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
  Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。 ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
  論文  参考訳（メタデータ） (2021-03-18T08:47:56Z)

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。