ICMLApr, 2019
基于学习原型的时间序列数据深度分类解释
Explaining Deep Classification of Time-Series Data with Learned Prototypes
Alan H. Gee, Diego Garcia-Olano, Joydeep Ghosh, David Paydarfar
TL;DR本文介绍了使用深度学习模型中的潜在空间数据来学习代表性的原型用于决策过程的阐释,重点关注对二维时间序列数据的分类,如检测临床心动过缓、早产儿呼吸暂停和语音识别,并通过优化原型多样性和稳健性,提高了已有模型的性能。