预测惊喜是可解释时间序列的自我接地概念瓶颈

arXiv:2611.12955v1 公告类型：新 摘要：部署在风险敏感领域的时间序列分类器必须 (1) 准确，(2) 可解释，(3) 能够在证据薄弱时放弃。现有的方法无法同时实现这三项目标，而且障碍是结构性的，而不是后勤方面的。如果不知道段边界，就无法定义有意义的时间模式，但如果不知道预期的模式，就无法放置有意义的边界。现有方法通过使用固定窗口或专家注释的词汇表打破了这种循环，从而牺牲了这 3 个属性中的至少一个。我们引入了 ConceptTime，它通过单个自我监督信号来闭合循环。冻结概率预测器预测序列的每个时间步的下一个观测值的分布。我们将其预测与实际信号之间的不匹配称为预测意外。该信号既可以定位分段边界，又可以通过预报器表征每个结果分段。因此，细分市场的基础是它们相对于期望的行为方式，而不是它们的外观。这些总结聚集成一个动态机制的词汇表，我们称之为概念。轻量级头部根据概念序列进行分类，并且到最近概念的距离通过设计产生可靠性。在 17 个公共基准测试中，ConceptTime 具有最先进的黑盒准确性，击败了所有可解释的基线，并且在癫痫症上以 1% 的标签保持了近 98% 的准确性。它还在 OOD 检测和删除忠实度方面与 softmax、prototype-distance 和 SHAP/TimeX/TimeX++ 保持竞争力，无需单个注释、语言模型调用或领域专家。代码位于：https://github.com/Sachithx/ConceptTime.git。