論文の概要: Software Frameworks for Explainable AI in Time Series Classification: A Systematic Review
- arxiv url: http://arxiv.org/abs/2608.21449v1
- Date: Wed, 19 Aug 2026 15:24:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.12745
- Title: Software Frameworks for Explainable AI in Time Series Classification: A Systematic Review
- Title（参考訳）: 時系列分類における説明可能なAIのためのソフトウェアフレームワーク:システムレビュー
- Abstract要約: 時系列分類(TSC)は、最も広く研究され、関連するタスクの1つである。
TSCモデルの透明性と信頼性を確保することが重要な要件となっている。
関心の高まりにもかかわらず、TSCのためのXAIの研究はいまだに断片化されている。
- 参考スコア（独自算出の注目度）: 4.913695293147755
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Time series arise in a wide range of application domains and are analyzed using machine learning in decision-critical settings. Time series classification (TSC) is one of the most widely studied and relevant tasks. In this context, ensuring the transparency and trustworthiness of TSC models has become an important requirement, motivating the use of explainable artificial intelligence (XAI) methods. Despite growing interest, research on XAI for TSC remains fragmented, and a systematic understanding of the available software frameworks for explanation generation, their evaluation practices, and practical limitations is still lacking. Prior work largely focused on individual explanation methods, while cross-framework consistency, time-series-specific evaluation, and reproducibility have received little attention. In this survey, we analyze existing software frameworks for explanation generation and evaluation in TSC. We compare them along multiple dimensions, including supported XAI methods, evaluation metrics, usability, benchmarking support, and reproducibility, providing the first time-series-specific survey of frameworks with implementation comparisons and an analysis of frequency-domain support. We identify six frameworks that explicitly support time series and reveal common limitations: only one method supports frequency-domain explanations despite their relevance; only two evaluation metrics have been developed specifically for time series; and identical XAI methods can yield substantially different explanations across frameworks. Based on these findings, we discuss open challenges and outline directions for future research, highlighting the need for unified, time-series-specific XAI frameworks that enable faithful, reproducible, and time-series-aware explanations.
- Abstract（参考訳）: 時系列は幅広いアプリケーションドメインで発生し、決定クリティカルな設定で機械学習を用いて分析される。
時系列分類(TSC)は、最も広く研究され、関連するタスクの1つである。
この文脈では、TSCモデルの透明性と信頼性を保証することが重要な要件となり、説明可能な人工知能(XAI)手法の使用を動機付けている。
関心が高まりつつも、TSCのためのXAIの研究は断片化され続けており、説明生成のための利用可能なソフトウェアフレームワーク、評価プラクティス、実践的制限の体系的な理解はいまだに不足している。
それまでの研究は主に個々の説明手法に重点を置いていたが、クロスフレームの一貫性、時系列固有の評価、再現性はほとんど注目されていない。
本研究では,既存のソフトウェアフレームワークを解析し,TSCにおける説明生成と評価を行う。
我々は、XAIメソッドのサポート、評価メトリクス、ユーザビリティ、ベンチマークサポート、再現性などを含む複数の側面でそれらを比較し、実装の比較と周波数領域のサポートの分析によるフレームワークの時系列固有の調査を初めて提供する。
我々は時系列を明示的にサポートし、共通の制限を明らかにする6つのフレームワークを特定し、その関連性にもかかわらず1つのメソッドのみが周波数領域の説明をサポートし、時系列専用に2つの評価指標しか開発されておらず、同一のXAIメソッドはフレームワーク間で実質的に異なる説明をもたらすことができる。
これらの知見に基づいて、我々はオープンな課題を議論し、今後の研究の方向性を概説し、忠実で再現可能で、時系列に認識された説明を可能にする統合された時系列固有のXAIフレームワークの必要性を強調した。
関連論文リスト
- Harnessing Generalist Agents for Contextualized Time Series [67.28481985993467]
時系列はしばしば、全体モデリングに不可欠なリッチな文脈に埋め込まれる。
本稿では時系列のエージェントハーネスフレームワークであるTimeClawを紹介する。
TimeClawは、グラウンドドと監査可能な分析のための実行可能な時間的ツール、再利用可能な分析ルーチンを作成するためのエクスペリエンス駆動機能進化、関連する推論トレースを取得するためのエピソードマルチモーダルメモリを統合している。
論文 参考訳（メタデータ） (2026-06-03T20:20:34Z) - What-If Explanations Over Time: Counterfactuals for Time Series Classification [5.590488178822208]
カウンターファクトな説明は、説明可能なAIの強力なアプローチとして現れます。
本稿では, 最先端手法, インスタンスベース近辺手法, パターン駆動アルゴリズム, 勾配ベース最適化, 生成モデルについて概説する。
我々は、時間的コヒーレンス、可視性、動作可能な解釈可能性の維持など、時間的データに対する反事実生成におけるユニークな課題を強調した。
論文 参考訳（メタデータ） (2026-03-29T18:06:23Z) - TSAQA: Time Series Analysis Question And Answering Benchmark [85.35545785252309]
時系列データは、金融、医療、交通、環境科学といった分野における重要な応用に不可欠である。
TSAQAはタスクカバレッジを拡大し、多様な時間的分析能力を評価するために設計された新しい統合ベンチマークである。
論文 参考訳（メタデータ） (2026-01-30T17:28:56Z) - Unifying VXAI: A Systematic Review and Framework for the Evaluation of Explainable AI [4.715895520943978]
説明可能なAI(XAI)は、モデル行動に関する人間の理解可能な説明を提供することで、この問題に対処する。
XAIメソッドの増加にもかかわらず、フィールドには標準化された評価プロトコルと適切なメトリクスに関するコンセンサスがない。
我々は、XAI(VXAI)のeValuationのための統一的なフレームワークを導入する。
論文 参考訳（メタデータ） (2025-06-18T12:25:37Z) - TimeSeriesGym: A Scalable Benchmark for (Time Series) Machine Learning Engineering Agents [17.296425855109426]
人工知能(AI)エージェントを評価するためのスケーラブルなベンチマークフレームワークであるTimeSeriesGymを紹介する。
TimeSeriesGymには、複数のドメインやタスクにまたがるさまざまなソースからの課題が含まれている。
提出ファイルやコード,モデルなど,複数の研究成果物に対する評価機構を実装した。
論文 参考訳（メタデータ） (2025-05-19T16:11:23Z) - Time is Not Enough: Time-Frequency based Explanation for Time-Series Black-Box Models [12.575427166236844]
時系列ブラックボックス分類器の時間周波数説明を提供するXAIフレームワークであるSpectral eXplanation(SpectralX)を提案する。
また,新しい摂動型XAI法であるFeature Importance Approximations (FIA)を導入する。
論文 参考訳（メタデータ） (2024-08-07T08:51:10Z) - TSI-Bench: Benchmarking Time Series Imputation [52.27004336123575]
TSI-Benchは、ディープラーニング技術を利用した時系列計算のための総合ベンチマークスイートである。
TSI-Benchパイプラインは、実験的な設定を標準化し、計算アルゴリズムの公平な評価を可能にする。
TSI-Benchは、計算目的のために時系列予測アルゴリズムを調整するための体系的なパラダイムを革新的に提供する。
論文 参考訳（メタデータ） (2024-06-18T16:07:33Z) - TimeSiam: A Pre-Training Framework for Siamese Time-Series Modeling [67.02157180089573]
時系列事前トレーニングは、最近、ラベルのコストを削減し、下流の様々なタスクに利益をもたらす可能性があるとして、広く注目を集めている。
本稿では,シームズネットワークに基づく時系列の簡易かつ効果的な自己教師型事前学習フレームワークとしてTimeSiamを提案する。
論文 参考訳（メタデータ） (2024-02-04T13:10:51Z) - A Review of Open Source Software Tools for Time Series Analysis [0.0]
本稿では、アーキテクチャを備えた典型的な時系列分析(TSA)フレームワークについて述べ、TSAフレームワークの主な特徴を列挙する。
本稿では,60の時系列解析ツール,32の予測モジュール,21のパッケージの異常検出について検討した。
論文 参考訳（メタデータ） (2022-03-10T07:12:20Z) - Early Time-Series Classification Algorithms: An Empirical Comparison [59.82930053437851]
早期時系列分類(Early Time-Series Classification, ETSC)は、できるだけ少ない測定で時系列のクラスを予測するタスクである。
既存のETSCアルゴリズムを公開データと,新たに導入された2つのデータセットで評価した。
論文 参考訳（メタデータ） (2022-03-03T10:43:56Z) - Time Series Analysis via Network Science: Concepts and Algorithms [62.997667081978825]
本稿では,時系列をネットワークに変換する既存のマッピング手法について概観する。
我々は、主要な概念的アプローチを説明し、権威的な参照を提供し、統一された表記法と言語におけるそれらの利点と限界について洞察を与える。
ごく最近の研究だが、この研究領域には大きな可能性を秘めており、今後の研究の道を開くことを目的としている。
論文 参考訳（メタデータ） (2021-10-11T13:33:18Z)
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。