CENDRe: Nuovo Metodo per Estrarre Concetti dalle CNN per Serie Temporali
Un nuovo metodo per l'estrazione di concetti, chiamato CENDRe, è stato sviluppato da ricercatori per reti neurali convoluzionali (CNN) finalizzate alla classificazione di serie temporali. Questo approccio innovativo affronta tre sfide chiave affrontate dai metodi attuali: funzionare esclusivamente nel dominio del tempo, richiedere un numero predefinito di concetti e generare localizzazioni disallineate. CENDRe identifica i concetti raggruppando le rappresentazioni latenti a ogni passo temporale in un processo a due fasi, impiegando l'aggregazione guidata dalla silhouette per determinare automaticamente il numero di concetti. Successivamente, localizza i concetti utilizzando gradienti da un punteggio di presenza che contrasta con le rappresentazioni latenti. Dettagliato in una sottomissione cross-type su arXiv (ID 2607.29621), questo lavoro mira a migliorare l'interpretabilità delle CNN in aree cruciali scoprendo i pattern temporali e spettrali che influenzano le previsioni.
Fatti principali
- CENDRe è un metodo di estrazione di concetti per CNN.
- Affronta tre limitazioni: solo dominio temporale, numero predefinito di concetti e localizzazioni disallineate.
- Usa un clustering a due stadi delle rappresentazioni latenti per ogni passo temporale.
- L'aggregazione guidata dalla silhouette seleziona automaticamente il numero di concetti.
- La localizzazione usa gradienti di un punteggio di presenza che contrasta con le rappresentazioni latenti.
- L'articolo è disponibile su arXiv con ID 2607.29621.
- Il tipo di annuncio è cross.
- Il metodo è progettato per la classificazione di serie temporali.
Entità
Istituzioni
- arXiv