基本信息

---

下载

文档摘要

---

摘要

多元时间序列分类作为时间序列领域的一项基本任务，随着深度学习表示能力

的提高取得显著进步。然而，深度学习网络的“黑盒”特性使其难以在时间序列领

域得到广泛应用。本文围绕多元时间序列分类可解释性，基于Transformer网络设计

并实现一种结合时间域和空间域上下文的可解释性分类模型TSformer；提出一种可

解释性评价方法并构造三种合成数据集从样本级验证TSformer分类结果的可解释性

能；以及搭建一个基于事后可解释性方法的深度学习分类系统。具体内容如下。

本文提出一种