跟着NeurIPS学时间序列的可解释性！你和顶会就差这一步！

文章预览

众所周知，深度学习的可解释性研究一直是热门。这其中，时序模型在金融、医疗、交通等特定领域的广泛应用，使得对这些模型的可解释性要求很高，需要提供可解释的预测。因此， 时间序列的可解释性 研究自然也非常重要。 更具体点说，时间序列的可解释性可以通过理解数据背后的动态机制，帮助我们 提升预测准确性、优化决策过程、增强信任度和透明度 。而且这些优势在促进技术进步的同时，也能给我们 提供更多的创新思路 ，比如模型优化、新应用探索、跨学科融合等，如果要发论文可以从这些角度入手。 目前这方向已经有了很多高质量成果，比如NeurIPS上的 TIMEX框 架。 这里为了给大家省掉点查找资料的时间，我整理了 12篇 最新的时间序列可解释性论文 ，基本都有开源代码，拿来直接复现，希望能给大家的论文加快点进度。 扫码添 ………………………………