[25. 8. 27] 시계열 데이터의 새로운 설명 가능한 AI 기법: TIMING

핵심 요약

에이아트릭스 연구팀이 TIMING 기법을 제안하고, 시계열 XAI의 한계를 CPD/CPP로 보완하며 IG를 Segment-based Random Masking으로 고도화해 시간 의존성을 고려한 설명 가능 AI를 구현했습니다.

구현 방법

• TIMING: 시계열의 시간적 의존성을 반영한 설명 가능화
• CPD/CPP 도입으로 예측 변화와 안정성을 정량화
• Segment-based Random Masking으로 구간별 영향력 독립성 확인

주요 결과

• 6개 데이터셋(MIMIC-III, PAM, Epilepsy 포함)에서 최대 109.8% 성능 향상
• CNN/RNN/Transformer 등 다양한 모델에서 일관된 개선
• 샘플당 0.04초의 실시간 처리 가능
• 임상 지식과 일치하는 해석 제공