윤지

방법론의 목적 1) 시계열 데이터의 복잡성과 해석의 어려움시계열 데이터의 특성:다차원(multivariate) 데이터: 여러 센서 또는 관찰 데이터가 시간에 따라 변동.시간 패턴: 데이터가 시간적으로 연속적이면서 특정 구간에서 중요한 정보가 나타남.기존 설명 기법:이미지나 텍스트 데이터에 잘 작동하는 설명 기법을 시계열 데이터에 바로 적용하기 어려움.시계열 데이터의 복잡한 시간적 패턴과 연관성을 충분히 반영하지 못함.전역적 접근: 샘플 간 이질성을 반영하지 못함ContraLSP의 필요성:복잡한 시간적 특징을 설명할 수 있는 전용 모델 필요.중요한 시간 구간과 관찰 값을 효과적으로 식별하는 능력 요구.2) 기존 XAI 기법의 한계기존 기법(대표: Saliency Map, Shapley Value, LIME..

0. Abstractseries분포변화 해결하는 기존 연구 한계대부분 분포의 정량화에 한정lookback window, horizon windows 사이의 잠재적 변화 간과분포 변화 정의룩백 창을 입력 공간으로, 수평 창을 출력 공간으로 간주할 때,(i) 입력 공간 내에서 시간이 지남에 따라 지속적으로 변화하는 내부 공간 변화(ii) 입력 공간과 출력 공간 사이에서 변화하는 외부 공간 변화가 존재제안하는 것: Dish-TSCONET: 더 나은 분포 추정을 위해, 우리는 입력 시퀀스를 학습 가능한 분포 계수로 매핑할 수 있는 어떠한 신경 구조도 가능Dual-CONET 프레임워크: 내부 공간과 외부 공간 변화를 완화하기 위해, 우리는 Dish-TS를 Dual-CONET 프레임..

(pdf 정리본으로 대체)