시계열 데이터의 설명 가능성을 위한 프레임워크 개발(KAIST 최윤재교수 연구실) 

한국과학기술원 최윤재 교수님 연구실에서는 시계열 데이터 모델에 XAI 기술을 적용할 수 있게 시계열 데이터를 quantize하는 방법과 모델의 interpretability 난이도를 측정 및 평가하는 방법을 연구해 왔습니다. 현재는 시계열 데이터의 시간 뿐만 아니라 주파수 정보도 같이 고려하는 XAI 프레임워크를 개발하였고, 이 프레임워크로 다양한 perturbation-based 기법과 시계열 분류 모델을 시간과 주파수 정보를 같이 활용하여 설명성을 평가할 수 있게 구현되어 있습니다.
Professor Edward Choi's research lab at KAIST has been researching methods to quantize time series data and measure and evaluate the interpretability difficulty of models, enabling the application of XAI (eXplainable AI) techniques to time series data models. Currently, we have developed an XAI framework that considers both time and frequency information of time series data. This framework is implemented to evaluate the explainability of various perturbation-based techniques and time series classification models by utilizing both time and frequency information together.
#Time-series, #Spectral, #Explainability

Наука