用于神经时间序列分类的可解释 AI 方法:简要综述

Ilija Šimić; Vedran Sabol; Eduardo Veas

用于神经时间序列分类的可解释 AI 方法:简要综述

机器学习 2021-08-19 v1 人工智能

作者: Ilija Šimić , Vedran Sabol , Eduardo Veas

摘要

深度学习模型近来在多种任务中展现出卓越性能,因此正越来越多地应用于工业、医学和金融等高风险领域。考虑到这些领域中的自动预测可能对人的福祉产生重大影响,并给个人或公司带来可观的财务与法律后果,应用这些模型所产生的一切行为与决策都必须可问责。鉴于高风险领域收集的相当一部分数据以时间序列形式存在,本文考察了当前可解释人工智能(eXplainable AI, XAI)方法的现状,重点关注针对时间序列分类任务打开深度学习黑箱的方法。最后,我们的工作还旨在推导未来研究的有前景方向,以推进面向时间序列数据的深度学习 XAI。

关键词

可解释人工智能深度学习时间序列分类神经网络黑箱模型高风险领域

引用

@article{arxiv.2108.08009,
  title  = {XAI Methods for Neural Time Series Classification: A Brief Review},
  author = {Ilija Šimić and Vedran Sabol and Eduardo Veas},
  journal= {arXiv preprint arXiv:2108.08009},
  year   = {2021}
}

备注

8 pages, 0 figures, Accepted as a poster presentation

用于神经时间序列分类的可解释 AI 方法:简要综述

摘要

关键词

引用

备注

相关论文