Buchumschlag

WinTSR: A Windowed Temporal Saliency Rescaling Method for Interpreting Time Series Deep Learning Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Islam, Md. Khairul, Fox, Judy
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models for Financial Aid in Financial Time-series Forecasting
von: Islam, Md Khairul, et al.
Veröffentlicht: (2024)

Interpreting Time Series Transformer Models and Sensitivity Analysis of Population Age Groups to COVID-19 Infections
von: Islam, Md Khairul, et al.
Veröffentlicht: (2024)

OmniSpectra: A Unified Foundation Model for Native Resolution Astronomical Spectra
von: Islam, Md Khairul, et al.
Veröffentlicht: (2026)

Does Differential Privacy Impact Bias in Pretrained NLP Models?
von: Islam, Md. Khairul, et al.
Veröffentlicht: (2024)

Learning to Reason: Temporal Saliency Distillation for Interpretable Knowledge Transfer
von: Dehigahawattage, Nilushika Udayangani Hewa, et al.
Veröffentlicht: (2026)

SenTSR-Bench: Thinking with Injected Knowledge for Time-Series Reasoning
von: He, Zelin, et al.
Veröffentlicht: (2026)

Benchmarking Counterfactual Interpretability in Deep Learning Models for Time Series Classification
von: Kan, Ziwen, et al.
Veröffentlicht: (2024)

M-CELS: Counterfactual Explanation for Multivariate Time Series Data Guided by Learned Saliency Maps
von: Li, Peiyu, et al.
Veröffentlicht: (2024)

Structured Temporal Causality for Interpretable Multivariate Time Series Anomaly Detection
von: Cho, Dongchan, et al.
Veröffentlicht: (2025)

Why Do Time Series Models Need Long Context Windows?
von: Butera, Luca, et al.
Veröffentlicht: (2026)

Deep-and-Wide Learning: Enhancing Data-Driven Inference via Synergistic Learning of Inter- and Intra-Data Representations
von: Islam, Md Tauhidul, et al.
Veröffentlicht: (2025)

AttnGen: Attention-Guided Saliency Learning for Interpretable Genomic Sequence Classification
von: Nia, Rayhaneh Shabani, et al.
Veröffentlicht: (2026)

Validation, Robustness, and Accuracy of Perturbation-Based Sensitivity Analysis Methods for Time-Series Deep Learning Models
von: Wang, Zhengguang
Veröffentlicht: (2024)

A Practical Guide Towards Interpreting Time-Series Deep Clinical Predictive Models: A Reproducibility Study
von: Fan, Yongda, et al.
Veröffentlicht: (2026)

A Competition Winning Deep Reinforcement Learning Agent in microRTS
von: Goodfriend, Scott
Veröffentlicht: (2024)

Federated Learning in Healthcare: Model Misconducts, Security, Challenges, Applications, and Future Research Directions -- A Systematic Review
von: Ali, Md Shahin, et al.
Veröffentlicht: (2024)

Probabilistic Learning of Multivariate Time Series with Temporal Irregularity
von: Li, Yijun, et al.
Veröffentlicht: (2023)

Edge-DIRECT: A Deep Reinforcement Learning-based Method for Solving Heterogeneous Electric Vehicle Routing Problem with Time Window Constraints
von: Mozhdehi, Arash, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Forecasting: A Survey
von: Kong, Xiangjie, et al.
Veröffentlicht: (2025)

StackLiverNet: A Novel Stacked Ensemble Model for Accurate and Interpretable Liver Disease Detection
von: Haque, Md. Ehsanul, et al.
Veröffentlicht: (2025)

Graph Deep Learning for Time Series Forecasting
von: Cini, Andrea, et al.
Veröffentlicht: (2023)

Interpretable Time Series Models for Wastewater Modeling in Combined Sewer Overflows
von: Chiaburu, Teodor, et al.
Veröffentlicht: (2024)

Time Series Representation Learning with Supervised Contrastive Temporal Transformer
von: Liu, Yuansan, et al.
Veröffentlicht: (2024)

A Survey on Diffusion Models for Time Series and Spatio-Temporal Data
von: Yang, Yiyuan, et al.
Veröffentlicht: (2024)

Inherently Interpretable Time Series Classification via Multiple Instance Learning
von: Early, Joseph, et al.
Veröffentlicht: (2023)

SAFE-RL: Saliency-Aware Counterfactual Explainer for Deep Reinforcement Learning Policies
von: Samadi, Amir, et al.
Veröffentlicht: (2024)

Explainable Multi-Modal Deep Learning for Automatic Detection of Lung Diseases from Respiratory Audio Signals
von: Saky, S M Asiful Islam, et al.
Veröffentlicht: (2025)

A Semi-Supervised Pipeline for Generalized Behavior Discovery from Animal-Borne Motion Time Series
von: Nejadasl, Fatemeh Karimi, et al.
Veröffentlicht: (2026)

Recent Trends in Modelling the Continuous Time Series using Deep Learning: A Survey
von: Habiba, Mansura, et al.
Veröffentlicht: (2024)

Deep Learning for Multivariate Time Series Imputation: A Survey
von: Wang, Jun, et al.
Veröffentlicht: (2024)

Deep Learning for Time Series Anomaly Detection: A Survey
von: Darban, Zahra Zamanzadeh, et al.
Veröffentlicht: (2022)

Forecasting Russian Equipment Losses Using Time Series and Deep Learning Models
von: Teagan, Jonathan
Veröffentlicht: (2025)

Correlating Time Series with Interpretable Convolutional Kernels
von: Chen, Xinyu, et al.
Veröffentlicht: (2024)

Interpretable Time Series Autoregression for Periodicity Quantification
von: Chen, Xinyu, et al.
Veröffentlicht: (2025)

Location Agnostic Adaptive Rain Precipitation Prediction using Deep Learning
von: Islam, Md Shazid, et al.
Veröffentlicht: (2024)

AMLA: MUL by ADD in FlashAttention Rescaling
von: Liao, Qichen, et al.
Veröffentlicht: (2025)

Explanation Space: A New Perspective into Time Series Interpretability
von: Rezaei, Shahbaz, et al.
Veröffentlicht: (2024)

Fourier-Mixed Window Attention: Accelerating Informer for Long Sequence Time-Series Forecasting
von: Tran, Nhat Thanh, et al.
Veröffentlicht: (2023)

TSR: Trajectory-Search Rollouts for Multi-Turn RL of LLM Agents
von: Djuhera, Aladin, et al.
Veröffentlicht: (2026)

Nested Spatio-Temporal Time Series Forecasting
von: Ai, Yinghao, et al.
Veröffentlicht: (2026)