Fugu-MT 論文翻訳(概要): IMFACT: Counterfactual Explanations for Time Series via Intrinsic Mode Function Substitution

論文の概要: IMFACT: Counterfactual Explanations for Time Series via Intrinsic Mode Function Substitution

arxiv url: http://arxiv.org/abs/2608.04777v1
Date: Wed, 05 Aug 2026 12:43:33 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-06 14:48:43.925718
Title: IMFACT: Counterfactual Explanations for Time Series via Intrinsic Mode Function Substitution
Title（参考訳）: IMFACT:本質的モード関数置換による時系列の非現実的説明
Authors: Udo Schlegel, Julian Rakuschek, Thomas Seidl, Andreas Holzinger, Tobias Schreck, Javier Del Ser,
Abstract要約: IMFACT (IMF-based counterfACTuals) は、妥当な対実的説明を生成するためのモデルに依存しない枠組みである。入力信号を内在モード関数(IMF)に分割し、選択されたIMFをNearest Neighbour(NUN)に順次置換する。 2つのUCRベンチマーク(DetectionA, FruitFlies)上で、IMF選択6つの戦略とマルチNUNサイクル拡張を評価する。
参考スコア（独自算出の注目度）: 14.447345860098102
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Oscillatory signals, such as vibration, carry class-discriminative information in specific frequency bands; perturbing them in raw feature space for counterfactual analysis easily destroys their temporal structure and produces physically implausible results. In this work, we introduce IMFACT (IMF-based counterfACTuals), a model-agnostic framework for generating plausible counterfactual explanations for time series classifiers that operates in the decomposition space of Empirical Mode Decomposition. An input signal is split into Intrinsic Mode Functions (IMFs), and selected IMFs are progressively substituted with those of a Nearest Unlike Neighbour (NUN) until the classifier flips to the target class. We evaluate six IMF-selection strategies and a multi-NUN cycling extension on two UCR benchmarks (FaultDetectionA, FruitFlies). The variance-based strategy with three NUNs outperforms two prominent baseline techniques on reliability and plausibility metrics, while cycling across three NUNs yields the best proximity across both datasets.
Abstract（参考訳）: 振動などの振動信号は、特定の周波数帯域でクラス識別情報を伝達し、反事実解析のためにそれらを生の特徴空間で摂動することで、時間構造を破壊し、物理的に不明瞭な結果を生み出す。本稿では、経験的モード分解の分解空間で機能する時系列分類器に対して、妥当な対実的説明を生成するためのモデルに依存しないフレームワークであるIMFACT(IMF-based counterfACTuals)を紹介する。入力信号は固有のモード関数(IMF)に分割され、選択されたIMFは、分類器がターゲットクラスに反転するまで、Nearest Unlike Neighbour(NUN)の信号に徐々に置換される。我々は,2つのUCRベンチマーク(FaultDetectionA,FruitFlies)上で,IMF選択の6つの戦略とマルチNUNサイクル拡張を評価した。 3つのNUNによる分散ベースの戦略は、信頼性と可視性に関する2つの顕著なベースライン技術よりも優れており、3つのNUNを横断するサイクリングは、両方のデータセットに最も近い。

関連論文リスト

DSFNet: Learning Dual-Domain Spectral Operators for Multi-Modality Spatio-Temporal Forecasting in Urban Transportation Systems [51.72074484150301]
本稿ではDSFNet(Dual-Domain Spectral Network)を提案し,変数間の関係を明示的にモデル化する。このフレームワークは、異種空間パターンを捉えるために、二重領域スペクトルフィルタリングを用いる。 2番目のベースラインと比較して、DSFNetはこれらのデータセット間でMAEを3.21%-10.16%削減する。
論文参考訳（メタデータ） (2026-06-05T07:33:57Z)
SurF: A Generative Model for Multivariate Irregular Time Series Forecasting [9.605729240308543]
本稿では,イベントシーケンスと単位レート指数雑音を学習する生成モデルであるSurFを提案する。実世界の6つのベンチマークで、SurFは地震、リツイート、タオバオに関する最高のRMSEを達成している。厳格なLeft-outプロトコルの下では、SurFは5/6データセット上の古典的およびニューラル自動回帰ベースラインをすべて破る。
論文参考訳（メタデータ） (2026-05-13T19:46:48Z)
Hybrid Congestion Classification Framework Using Flow-Guided Attention and Empirical Mode Decomposition [6.830580384536778]
本研究では,FLO-EMDというハイブリッド手法を提案する。 4つの監視ネットワークから1050本の5秒のクリップでの実験は、FLO-EMD 97.5%のテスト精度を示している。
論文参考訳（メタデータ） (2026-05-06T10:59:32Z)
FoSS: Modeling Long Range Dependencies and Multimodal Uncertainty in Trajectory Prediction via Fourier State Space Integration [21.39395366378851]
本稿では,周波数領域推論と線形時間列モデリングを融合した二分岐フレームワークFoSSを提案する。 Argoverse 1とArgoverse 2ベンチマークの実験では、FoSSが最先端の精度を実現し、22.5%、パラメータが40%以上削減された。
論文参考訳（メタデータ） (2026-03-01T21:38:59Z)
Wireless Federated Multi-Task LLM Fine-Tuning via Sparse-and-Orthogonal LoRA [61.12136997430116]
低ランク適応(LoRA)に基づく分散連合学習(DFL)により、マルチタスクデータセットを持つモバイルデバイスは、ローカルに更新されたパラメータを、無線接続を介して近隣デバイスのサブセットと交換することで、大きな言語モデル(LLM)を協調的に微調整することができる。不均一データセットに微調整されたパラメータを直接集約すると、DFLライフサイクルの3つの主要な問題が発生する: (i) 微調整プロセス中に忘れる破滅的な知識、(ii) データの異種性に起因する更新方向の矛盾に起因する。
論文参考訳（メタデータ） (2026-02-24T02:45:32Z)
Moving Beyond Functional Connectivity: Time-Series Modeling for fMRI-Based Brain Disorder Classification [8.837732238971187]
機能的磁気共鳴イメージング(fMRI)は、血液酸素レベル依存(BOLD)シグナルをキャプチャすることで、非侵襲的な脳障害の分類を可能にする。既存のほとんどの手法はピアソン相関による機能接続(FC)に依存している。 5つの公開データセットにまたがる生のBOLD信号に関する最先端の時間モデルをベンチマークする。
論文参考訳（メタデータ） (2026-02-09T04:42:42Z)
A Regime-Aware Fusion Framework for Time Series Classification [1.4037095606573826]
我々は,Rocket,Sax,Sfa表現を適応的に融合する軽量フレームワークであるFusion-3(F3)を紹介する。 UCRデータセットを6つのグループに分類し,時系列長,スペクトル構造,粗さ,クラス不均衡を抽出した。解析の結果、核融合は、構造的変動性や豊富な周波数内容のレギュレーションにおいて、強いベースラインを上回ります。
論文参考訳（メタデータ） (2025-12-17T12:28:02Z)
UniDiff: A Unified Diffusion Framework for Multimodal Time Series Forecasting [90.47915032778366]
マルチモーダル時系列予測のための統合拡散フレームワークUniDiffを提案する。コアには統一的で並列な融合モジュールがあり、単一のクロスアテンション機構がタイムスタンプからの構造化情報とテキストからのセマンティックコンテキストを統合する。 8つの領域にわたる実世界のベンチマークデータセットの実験は、提案したUniDiffモデルが最先端のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2025-12-08T05:36:14Z)
FAIM: Frequency-Aware Interactive Mamba for Time Series Classification [87.84511960413715]
時系列分類(TSC)は、環境モニタリング、診断、姿勢認識など、多くの実世界の応用において重要である。本稿では,周波数対応対話型マンバモデルであるFAIMを提案する。 FAIMは既存の最先端(SOTA)手法を一貫して上回り、精度と効率のトレードオフが優れていることを示す。
論文参考訳（メタデータ） (2025-11-26T08:36:33Z)
Frequency-Domain Decomposition and Recomposition for Robust Audio-Visual Segmentation [60.9960601057956]
本稿では2つの主要なモジュールからなる周波数対応オーディオ・ビジュアルコンポスタ(FAVS)フレームワークを紹介する。 FAVSフレームワークは、3つのベンチマークデータセットで最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2025-09-23T12:33:48Z)
Spatio-Temporal Representation Factorization for Video-based Person Re-Identification [55.01276167336187]
本稿では、re-IDのための時空間表現分解モジュール(STRF)を提案する。 STRFはフレキシブルな新しい計算ユニットであり、re-IDのための既存のほとんどの3D畳み込みニューラルネットワークアーキテクチャと併用することができる。実験により、STRFは様々なベースラインアーキテクチャの性能を向上し、新しい最先端の成果を示す。
論文参考訳（メタデータ） (2021-07-25T19:29:37Z)

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。