English(EN) CENDRe: Concept Extraction with Natural Domain Representations

新的CENDRe方法从CNN时间序列模型中提取概念

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-03 04:00

研究人员开发了CENDRe，一种新颖的概念提取方法，专为用于时间序列分类的卷积神经网络（CNN）设计。该方法通过分析模型潜在空间中的时间和频谱模式来解决现有技术的局限性。CENDRe自动确定概念的数量，并在时间和频率域提供局部化见解，与以前的方法相比，提供了对CNN预测更全面的理解。 AI

影响增强了CNN在时间序列数据上的可解释性，可能提高了在关键应用中的可靠性。

排序理由该集群包含一篇研究论文，详细介绍了用于时间序列分类的CNN中概念提取的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Antonia Holzapfel, Andres Felipe Posada Moreno, Sebastian Trimpe · 2026-08-03 04:00

CENDRe：具有自然领域表示的概念提取

arXiv:2607.29621v1 Announce Type: cross Abstract: Convolutional neural networks (CNNs) are widely used for time-series classification, but their deployment in critical domains requires understanding the temporal and spectral patterns that drive their predictions. Concept extracti…