具有可解释性的多变量时间序列分类ST-Tree
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对多变量时间序列分类中深度神经网络模型缺乏可解释性的问题，提出了一种名为ST-Tree的模型。ST-Tree结合了Swin Transformer与神经树模型，不仅提高了分类准确性，还通过可视化决策过程，实现了模型决策的可解释性。这一创新方法为研究人员提供了清晰的决策洞察，推动了时间序列分析的进一步发展。
本研究提出ST-Tree模型，结合Swin Transformer与神经树，旨在提高多变量时间序列分类的准确性和可解释性，并可视化决策过程，推动时间序列分析的发展。
