热点事件观察中

CoLaX：时间序列分类的上下文感知解释框架

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Kexuan Zhang 等作者提出 CoLaX，一个面向时间序列分类的上下文感知事后解释框架。它基于 shapelet 驱动的 Shapley 归因，并用全序列的学习表示对局部模式的相关性做条件化。作者称，在相同 motif 随上下文改变相关性的合成基准上，CoLaX 的 AUPRC 平均比最强基线提升 30%，在真实 ECG 数据上取得最高 AUPRC。消融显示，增益来自输入相关的条件化，而非额外可学习权重。

AI 根据报道生成 · 10 小时前更新

最新进展11月14日 13:00

CoLaX：面向时间序列分类的上下文感知局部解释框架

报道时间线

沿着报道，了解事件的不同侧面。

11月14日

13:00
arXiv cs.AI
CoLaX：面向时间序列分类的上下文感知局部解释框架
CoLaX 是一个上下文感知的事后解释框架，基于 shapelet 驱动的 Shapley 归因，用全序列学习表示对局部模式相关性做条件化。在相同 motif 随上下文改变相关性的合成基准上，其 AUPRC 平均比最强基线提升 30%，在真实 ECG 数据上取得最高 AUPRC。消融显示增益来自输入相关的条件化而非额外可学习权重。

本事件热度走势

可比范围当前: 5
可比范围峰值: 711月15日 04:00
近 24 小时变化: –

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。