Right on Time: Revising Time Series Models by Constraining their Explanations

要約

深い時系列モデルの信頼性は、交絡因子に依存する傾向によって損なわれることが多く、不正確な出力につながる可能性があります。
実際の機械生産ラインから新しく記録された、P2S という名前の自然に混乱したデータセットは、これを強調しています。
時系列における「クレバー・ハンス」の瞬間を回避する、つまり交絡因子を軽減するために、Right on Time (RioT) 手法を導入します。
RioT により、時間領域と周波数領域の両方でモデルの説明との対話が初めて可能になります。
その後、両方のドメインの説明に関するフィードバックを使用してモデルを制約し、注釈付きの交絡因子からモデルを遠ざけます。
デュアルドメイン相互作用戦略は、時系列データセット内の交絡因子に効果的に対処するために重要です。
私たちは、RioT が P2S および一般的な時系列分類および予測データセットにおいて、モデルを効果的に誤った理由から遠ざけることができることを経験的に示しています。

要約(オリジナル)

The reliability of deep time series models is often compromised by their tendency to rely on confounding factors, which may lead to incorrect outputs. Our newly recorded, naturally confounded dataset named P2S from a real mechanical production line emphasizes this. To avoid ‘Clever-Hans’ moments in time series, i.e., to mitigate confounders, we introduce the method Right on Time (RioT). RioT enables, for the first time, interactions with model explanations across both the time and frequency domain. Feedback on explanations in both domains is then used to constrain the model, steering it away from the annotated confounding factors. The dual-domain interaction strategy is crucial for effectively addressing confounders in time series datasets. We empirically demonstrate that RioT can effectively guide models away from the wrong reasons in P2S as well as popular time series classification and forecasting datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google