اکسپرس 24
ترجمه فارسی مقاله زمان کافی نیست: توضیح مبتنی بر زمان-فرکانس برای مدل‌های جعبه سیاه سری زمانی

ترجمه فارسی مقاله زمان کافی نیست: توضیح مبتنی بر زمان-فرکانس برای مدل‌های جعبه سیاه سری زمانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Time is Not Enough: Time-Frequency based Explanation for Time-Series Black-Box Models
عنوان مقاله به فارسی زمان کافی نیست: توضیح مبتنی بر زمان-فرکانس برای مدل‌های جعبه سیاه سری زمانی
نویسندگان Hyunseung Chung, Sumin Jo, Yeonsu Kwon, Edward Choi
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
دسته بندی موضوعات Machine Learning,Signal Processing,یادگیری ماشین , پردازش سیگنال ,
توضیحات Submitted 12 August, 2024; v1 submitted 7 August, 2024; originally announced August 2024. , Comments: Accepted to CIKM 2024 (10 pages, 9 figures, 9 tables)
توضیحات به فارسی ارائه شده 12 اوت 2024 ؛V1 ارسال شده در 7 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده برای CIKM 2024 (10 صفحه ، 9 شکل ، 9 جدول)

قیمت: 19,000 تومان

سفارش

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، را نیز سفارش می‌دهید.

قیمت: 640,000 تومان

زمان تحویل: 2 تا 3 روز کاری

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Despite the massive attention given to time-series explanations due to their extensive applications, a notable limitation in existing approaches is their primary reliance on the time-domain. This overlooks the inherent characteristic of time-series data containing both time and frequency features. In this work, we present Spectral eXplanation (SpectralX), an XAI framework that provides time-frequency explanations for time-series black-box classifiers. This easily adaptable framework enables users to "plug-in" various perturbation-based XAI methods for any pre-trained time-series classification models to assess their impact on the explanation quality without having to modify the framework architecture. Additionally, we introduce Feature Importance Approximations (FIA), a new perturbation-based XAI method. These methods consist of feature insertion, deletion, and combination techniques to enhance computational efficiency and class-specific explanations in time-series classification tasks. We conduct extensive experiments in the generated synthetic dataset and various UCR Time-Series datasets to first compare the explanation performance of FIA and other existing perturbation-based XAI methods in both time-domain and time-frequency domain, and then show the superiority of our FIA in the time-frequency domain with the SpectralX framework. Finally, we conduct a user study to confirm the practicality of our FIA in SpectralX framework for class-specific time-frequency based time-series explanations. The source code is available in https://github.com/gustmd0121/Time_is_not_Enough

چکیده به فارسی (ترجمه ماشینی)

علیرغم توجه گسترده ای که به توضیحات سری زمانی به دلیل کاربردهای گسترده آنها داده می شود ، محدودیت قابل توجه در رویکردهای موجود اعتماد اصلی آنها به دامنه زمان است.این مشرف به ویژگی ذاتی داده های سری زمانی است که حاوی ویژگی های زمان و فرکانس است.در این کار ، ما توضیح طیفی (SpectralX) ، یک چارچوب XAI را ارائه می دهیم که توضیحات فرکانس زمانی را برای طبقه بندی کننده های جعبه سیاه سری ارائه می دهد.این چارچوب به راحتی سازگار کاربران را قادر می سازد روشهای مختلف XAI مبتنی بر آشفتگی مبتنی بر آشفتگی را برای هر مدل طبقه بندی سری زمانی از قبل آموزش داده شده برای ارزیابی تأثیر آنها بر کیفیت توضیحات بدون نیاز به تغییر در معماری چارچوب فراهم کنند.علاوه بر این ، ما تقریب اهمیت ویژگی (FIA) را معرفی می کنیم ، یک روش جدید مبتنی بر آشفتگی XAI.این روشها شامل تکنیک های درج ، حذف و ترکیبی برای تقویت کارایی محاسباتی و توضیحات خاص کلاس در کارهای طبقه بندی سری زمانی است.ما آزمایش های گسترده ای را در مجموعه داده های مصنوعی تولید شده و مجموعه داده های مختلف سری UCR انجام می دهیم تا ابتدا عملکرد توضیحات FIA و سایر روشهای XAI مبتنی بر آشفتگی موجود را در حوزه دامنه زمان و فرکانس مقایسه کنیم و سپس برتری ما را نشان دهیمFIA در دامنه فرکانس زمان با چارچوب SpectralX.سرانجام ، ما یک مطالعه کاربر را برای تأیید عملی بودن FIA در چارچوب SpectralX برای توضیحات سری زمانی مبتنی بر فرکانس زمان خاص کلاس انجام می دهیم.کد منبع در https://github.com/gustmd0121/time_is_not_enough در دسترس است

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.