論文の概要: GRAIL: From Saliency to Semantics in Time-Series Explanation

• arxiv url: http://arxiv.org/abs/2610.29036v1
• Date: Wed, 21 Oct 2026 01:09:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.170923
• Title: GRAIL: From Saliency to Semantics in Time-Series Explanation
• Title（参考訳）: GRAIL:SaliencyからSemanticsへ : 時系列説明
• Abstract要約: GRAILは地域ベースの時系列説明フレームワークである。 P波や心電図(ECG)ビート(英語版)のQRS複合体などのドメイン固有間隔をプレイヤーとして使用する。 これは、一致したオン・アンド・オフ・マニフォールド作用素の下で評価された忠実で堅牢な説明を生成する。
• 参考スコア（独自算出の注目度）: 34.632273059589004
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Explaining a time-series model requires both locating the evidence and extracting meaningful knowledge from it. Yet a single timestep is not a semantic unit: the meaningful patterns live across many samples, not in any one of them. Per-timestep saliency is therefore noisy, high-dimensional, and unstable. Existing methods address this by introducing fixed-size windows and treating them as independent players in a cooperative game. Evaluating a coalition of such players requires defining a ``baseline'' region, which prior work tackles with fixed counterfactuals (e.g., a flat line, noise, or a spectral surrogate). This choice frequently dominates the resulting explanation, obscuring the model's true decisions. To address these issues, we propose GRAIL, a region-based time-series explanation framework that uses domain-specific intervals, such as the P-wave and the QRS complex of an electrocardiogram (ECG) beat, as players. We describe each region with human-readable features and generate counterfactual baselines with an on-manifold conditional generator. Such a choice of players also admits non-temporal features: static covariates enter as singleton players attributed with the temporal regions on one scale, so a patient's tabular evidence (e.g., age, sex) is weighed directly against the signal. We attribute the predictions to the features via Owen values with common-random-number variance reduction. Experimental results on both synthetic and real data show that the proposed framework produces faithful and robust explanations, evaluated under matched on- and off-manifold operators, offering meaningful knowledge to domain experts.
• Abstract（参考訳）: 時系列モデルを説明するには、証拠を見つけ出し、そこから意味のある知識を抽出する必要がある。 しかし、単一のタイムステップは意味的な単位ではなく、意味のあるパターンは多くのサンプルにまたがって存在します。 したがって、時間ごとの塩分濃度は騒々しく、高次元であり、不安定である。 既存の方法は、固定サイズのウィンドウを導入し、それらを協調ゲームで独立したプレイヤーとして扱うことで、この問題に対処する。 そのようなプレイヤーの連立性を評価するには、前の作業が固定された反事実(例えば、フラットライン、ノイズ、スペクトルサロゲート)に取り組む「ベースライン」領域を定義する必要がある。 この選択は、モデルの真の決定を無視する結果として生じる説明を、しばしば支配する。 これらの問題に対処するために、我々は、P波や心電図ビート(ECG)のQRSコンプレックスといったドメイン固有間隔を用いた領域ベースの時系列説明フレームワークであるGRAILをプレイヤーとして提案する。 我々は,各領域を可読性で記述し,オンマンフォールド条件生成器を用いて逆実数ベースラインを生成する。 静的な共変体は1つの尺度で時間領域に起因したシングルトンプレイヤーとして入力されるので、患者の表の証拠(例えば、年齢、性別)は信号に対して直接重み付けされる。 この予測は,Owen値と共通乱数分散還元を用いた特徴量に起因する。 合成データと実データの両方を用いた実験結果から,本フレームワークは,一致したオン・アンド・オフ・マニフォールド演算子の下で評価され,ドメインエキスパートに有意義な知識を提供する,忠実で堅牢な説明が得られた。

関連論文リスト

• DoTime: A Synthetic Benchmark Generator for Interventional and Counterfactual Time Series [3.2517081185249075]
  介入を伴う時間構造因果モデルのオープンでスケーラブルで理論的に基礎付けられた生成器である textbfDoTime を紹介した。 従来のジェネレータにはない機能が追加されている: 連続時間介入アンファンドウ、実証ガード付き対実サンプリングモード、レギュラースイッチングSCM。 因果的基礎モデル参照実装の先行としてジェネレータの適合性を示す。
  論文  参考訳（メタデータ） (2026-07-29T07:46:44Z)
• Explanation Multiplicity in SHAP: Characterization and Assessment [28.413883186555438]
  ポストホックの説明は、貸付、雇用、医療といった高額な領域における自動決定を正当化し、議論し、レビューするために広く使われている。 しかし、実際にSHAPの説明は、個人、予測タスク、訓練されたモデルが固定された場合でも、繰り返し実行される間に大きく異なる可能性がある。 我々は、この現象の説明多重性の概念と命名、すなわち、同じ決定に対して複数の、内部的に有効な、実質的に異なる説明が存在すること。
  論文  参考訳（メタデータ） (2026-01-19T02:01:18Z)
• Wrong Model, Right Uncertainty: Spatial Associations for Discrete Data with Misspecification [9.924172280147625]
  本研究では,空間的に変化する雑音の処理方法を示し,提案した推定器の整合性を示す。 標準アプローチが信頼できない信頼区間を生じさせ、連想のサインを間違えることさえ可能なことを実証的に示す。
  論文  参考訳（メタデータ） (2025-09-01T21:22:08Z)
• Flow based approach for Dynamic Temporal Causal models with non-Gaussian or Heteroscedastic Noises [37.02662517645979]
  因果発見のための統合フレームワークであるFANTOMを紹介する。 非定常過程と非ガウス的および異方性雑音を扱う。 同時にレジームの数と対応するインデックスを推測し、各レジームのディレクテッド・アサイクリックグラフを学習する。
  論文  参考訳（メタデータ） (2025-06-20T15:12:43Z)
• Explaining Time Series via Contrastive and Locally Sparse Perturbations [45.055327583283315]
  ContraLSPは、非形式的摂動を構築するために反事実サンプルを導入するスパースモデルである。 合成と実世界の両方のデータセットに関する実証研究は、ContraLSPが最先端のモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2024-01-16T18:27:37Z)
• On the Consistency and Robustness of Saliency Explanations for Time Series Classification [4.062872727927056]
  時系列ウィンドウを画像として解釈するために、サリエンシマップが適用されている。 本稿では,時系列の特徴と時間的属性に対するサリエンシマップの一貫性とロバスト性について広く分析する。
  論文  参考訳（メタデータ） (2023-09-04T09:08:22Z)
• MomentDiff: Generative Video Moment Retrieval from Random to Real [71.40038773943638]
  私たちは、MomentDiffという拡散に基づく生成フレームワークを提供しています。 MomentDiffは、ランダムなブラウジングから段階的なローカライゼーションまで、典型的な人間の検索プロセスをシミュレートする。 MomentDiffは3つの公開ベンチマークで最先端の手法を一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2023-07-06T09:12:13Z)
• Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
  時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。 TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。 共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
  論文  参考訳（メタデータ） (2022-12-20T17:40:03Z)

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。