文献

J-GLOBAL ID：202102232004831203   整理番号：21A0027784

時系列分類のための説明法の情報性を定量化するためのモデル-アグノスティックアプローチ【JST・京大機械翻訳】

A Model-Agnostic Approach to Quantifying the Informativeness of Explanation Methods for Time Series Classification

著者 (3件)： Nguyen Thu Trang (School of Computer Science, University College Dublin, Dublin, Ireland) ,  Le Nguyen Thach (School of Computer Science, University College Dublin, Dublin, Ireland) ,  Ifrim Georgiana (School of Computer Science, University College Dublin, Dublin, Ireland)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12588  ページ： 77-94  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,時系列分類のための説明方法に焦点を当てた。特に,それらの有益性に基づく異なる説明方法を定量的に評価し,ランク付けすることを目的とした。多くのアプリケーションにおいて,時系列のどの部分が分類決定にとって有益であるかを理解することが重要である。例えば,身体運動を行う間,患者は,実行が正しくないかどうか(分類)でフィードバックを受け,動きのどの部分が不正確(計画)であるならば,それらは修復行動を取ることができる。説明の比較は,非自明なタスクである。与えられた説明手法によって提示された出力が全ての情報(即ち,分類タスクに関連する)で,また,説明方法のサイドバイサイドを比較する方法は不明である。画像データに対する分類器の説明は,かなり注目されているが,時系列分類のための説明方法は,あまり調査されていない。時系列分類のための異なる顕著性ベース説明を定量化し,比較するためのモデル診断手法を提案した。学習した分類器重みに基づく時系列における各点に対して重要度重みを抽出し,時系列の特定の部分を摂動し,分類精度への影響を測定するためにこれらの重みを用いた。この摂動により,時系列の弁別的部分を実際に強調する説明が分類精度の著しい変化を導くことを示した。これは,異なる説明を客観的に定量化し,ランク付けすることを可能にする。少数のよく知られたUCRデータセットの定量的および定性的解析を提供した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *応用プログラム ,  等級づけ ,  修復活動 ,  機械学習
準シソーラス用語： 身体運動 ,  画像データ ,  分類会計機 ,  分類精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 時系列分類 ,  説明可能な機械学習 ,  評価 ,  説明の比較 ,  顕著性マップ

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 時系列 ,  分類 ,  説明 ,  定量化 ,  モデル