[6B]時系列分析・学習手法

16:00 〜 16:25

[6B-01] 反事実波形と変形区間を学習する時系列分類XAI

*山口 晃広¹、植野 研¹、新垣 隆生¹、鹿島 久嗣² (1. 東芝研究開発センター 知能化システム研究所 システムAIラボラトリー、2. 京都大学 大学院情報学研究科 知能情報学専攻)

発表者区分：一般
論文種別：ロングペーパー
インタラクティブ発表：なし

キーワード：

XAI、反事実説明、時系列データ、クラス分類、機械学習、反事実波形生成

IoTの普及により，機械学習あるいはAIにより時系列データのクラスを分類する時系列分類技術の重要性が高まっている．一方，高い信頼性や安全性が求められる産業分野では，学習された分類器を解釈できることが求められ，説明可能AI（XAI）の必要性も高まっている．XAIにおける反事実説明では，元の特徴をどのように修正すれば，分類器の判定が望ましいクラスに切り替わるかを示すことで，その分類器を解釈できる．特に時系列データでは，それを構成する特徴は互いに独立ではなく時間的に依存する．そのため，元の時系列データから変形できる区間を考慮して特徴を修正することが，時系列データの反事実説明（反事実波形）において重要である．本研究では，変形区間とそれらを考慮した反事実説明を同時に学習する反事実波形生成手法を提案する．提案手法では，変形区間の制限数を指定してそれに応じた反事実波形を生成できるように連続最適化問題を定式化する．UCRアーカイブを用いた実験評価では，35種類のデータセットを用いてその有効性を定量的に示し，2つのケーススタディで生成された反事実波形における説明性の妥当性を定性的に示す．