12:04
官方账号arXiv cs.LG@Hongnan Ma, Yiwei Shi, Mengyue Yang, Weiru Liu
推荐理由：时间序列分类的黑盒解释往往只找够用的特征，但可能抓到噪音。这篇论文提出了TimePNS，用反事实推理揪出真正必要的子序列，实验效果比现有方法好。
TimePNS
共 1 条相关 AI 资讯
7月24日
12:04
TimePNS框架解决了现有充分性导向方法可能将无关子序列误判为重要的问题，该框架采用两阶段设计：阶段I学习因果生成过程和充分性掩码；阶段II通过反事实干预评估时间因子的必要性，并以此监督时间门细化解释。在合成和真实时间序列基准上的实验表明，TimePNS能更准确地识别决策关键子序列，并在充分性-必要性权衡上持续优于强基线方法。