FLEXtime：利用滤波器组学习解释时间序列
机器学习
2025-04-04 v3
摘要
解释时间序列预测的最先进方法涉及为每个时间步学习一个实例级的显著性掩码；然而，由于数据固有的复杂性，许多类型的时间序列在时域中难以解释。相反，我们提出将时间序列可解释性视为可解释部分上的显著性图，借鉴成熟的信号处理中的信号分解方法。具体而言，我们提出了一种新方法 FLEXtime，它使用一组带通滤波器将时间序列分解为频带。然后，我们学习这些频带的最优组合以解释模型的预测。我们的广泛评估表明，FLEXtime 在一系列数据集上平均优于最先进的可解释性方法。FLEXtime 填补了当前时间序列可解释性方法中的重要空白，是 EEG 和音频等多种时间序列的有价值工具。代码可在 https://github.com/theabrusch/FLEXtime 获取。
引用
@article{arxiv.2411.05841,
title = {FLEXtime: Filterbank learning to explain time series},
author = {Thea Brüsch and Kristoffer K. Wickstrøm and Mikkel N. Schmidt and Robert Jenssen and Tommy S. Alstrøm},
journal= {arXiv preprint arXiv:2411.05841},
year = {2025}
}
备注
Accepted to The 3rd World Conference on eXplainable Artificial Intelligence