{"id":33682,"date":"2024-06-04T10:01:42","date_gmt":"2024-06-04T08:01:42","guid":{"rendered":"https:\/\/www.l3s.de\/?p=33682"},"modified":"2024-06-11T11:31:31","modified_gmt":"2024-06-11T09:31:31","slug":"trust-and-transparency-through-traceable-automated-decisions","status":"publish","type":"post","link":"https:\/\/www.l3s.de\/de\/trust-and-transparency-through-traceable-automated-decisions\/","title":{"rendered":"Vertrauen und Transparenz durch nachvollziehbare automatisierte Entscheidungen"},"content":{"rendered":"<p><\/p>\n\n\n\n<p><strong>L3S Best Publication of the Quarter (1\/2024<\/strong>)<br><strong>Category: Time series modelling<\/strong><\/p>\n\n\n\n<p style=\"font-size:23px\"><strong>MTS2Graph: Interpretierbare multivariate Zeitreihenklassifikation mit sich zeitlich entwickelnden Graphen<\/strong>&nbsp;&nbsp;<\/p>\n\n\n\n<p>Authors: Raneen Younis, Abdul Hakmeh, Zahra Ahmadi\u00a0<\/p>\n\n\n\n<p><em>Published in the Q1 journal \u201cPattern Recognition Journal\u201d\u00a0<\/em>\u00a0<br><a href=\"https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0031320324002371?via%3Dihub\">https:\/\/www.sciencedirect.com\/science\/article\/pii\/S0031320324002371?via%3Dihub<\/a><\/p>\n\n\n\n<div style=\"height:28px\" aria-hidden=\"true\" class=\"wp-block-spacer\"><\/div>\n\n\n\n<p><strong>Die Ver\u00f6ffentlichung in K\u00fcrze:<\/strong>&nbsp;<\/p>\n\n\n\n<p>Unsere Forschungsarbeit stellt MTS2Graph vor, einen neuen Rahmen f\u00fcr die Klassifizierung multivariater Zeitreihendaten (MTS), die in Bereichen wie dem Gesundheits- und Finanzwesen von entscheidender Bedeutung sind. Im Gegensatz zu herk\u00f6mmlichen Methoden konstruiert unser Ansatz einen Graphen, der die zeitlichen Beziehungen zwischen extrahierten Mustern erfasst und so die Interpretierbarkeit und Genauigkeit verbessert. Dieser Rahmen hilft dabei, den Entscheidungsprozess zu visualisieren, was ihn verst\u00e4ndlicher und vertrauensw\u00fcrdiger macht, insbesondere bei kritischen Anwendungen.&nbsp;<\/p>\n\n\n\n<p><strong>Welches Problem l\u00f6sen Sie mit Ihrer Forschung?<\/strong>&nbsp;<\/p>\n\n\n\n<p>Unsere Forschung befasst sich mit der Herausforderung, die Entscheidungen tiefer neuronaler Netze bei der Klassifizierung multivariater Zeitreihen sowohl interpretierbar als auch zuverl\u00e4ssig zu machen. Herk\u00f6mmliche Methoden funktionieren oft als \u201eBlackbox\u201c, was es schwierig macht, ihre Ergebnisse zu verstehen oder ihnen zu vertrauen. MTS2Graph \u00fcberwindet dieses Problem, indem es die einflussreichen Muster und ihre zeitliche Dynamik visualisiert und so neue Wege f\u00fcr die Analyse und das Verst\u00e4ndnis komplexer, realer Datens\u00e4tze er\u00f6ffnet.&nbsp;<\/p>\n\n\n\n<p><strong>Welche potenziellen Auswirkungen haben Ihre Ergebnisse?<\/strong>&nbsp;<\/p>\n\n\n\n<p>Die potenziellen Auswirkungen unserer Ergebnisse sind betr\u00e4chtlich, insbesondere in Bereichen, in denen automatisierte Entscheidungen ein hohes Ma\u00df an Vertrauen und Transparenz erfordern, wie etwa im Gesundheits-, Finanz- und Rechtswesen. Indem wir die Interpretierbarkeit von Entscheidungen neuronaler Netze verbessern, kann unser Rahmenwerk Fachleuten in diesen Bereichen helfen, automatisierte Erkenntnisse zu verstehen und zu validieren, und so eine breitere Akzeptanz und Vertrauen in KI-Technologien f\u00f6rdern.&nbsp;<\/p>\n\n\n\n<p><strong>Was ist das Neue an Ihrer Forschung?<\/strong>&nbsp;<\/p>\n\n\n\n<p>Unsere Forschung ist neu in ihrem Ansatz, Faltungsneuronale Netze mit der Graphentheorie zu kombinieren, um sowohl die Interpretierbarkeit als auch die Genauigkeit der Zeitreihenklassifizierung zu verbessern. Der MTS2Graph tr\u00e4gt nicht nur zu einem besseren Verst\u00e4ndnis der Entscheidungsfindung des neuronalen Netzes bei, sondern verbessert auch die Klassifizierungsleistung, indem er die zeitlichen Beziehungen in den Daten effektiver als bestehende Methoden nutzt.&nbsp;<\/p>","protected":false},"excerpt":{"rendered":"<p>The paper &#8220;MTS2Graph: Interpretable Multivariate Time Series Classification with Temporal Evolving Graphs&#8221; is one of the two best L3S publications in the category  &#8220;Time Series Modelling&#8221;.<\/p>","protected":false},"author":11,"featured_media":33501,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[161],"tags":[],"class_list":["post-33682","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-best-publications"],"acf":[],"aioseo_notices":[],"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/33682","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/11"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=33682"}],"version-history":[{"count":1,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/33682\/revisions"}],"predecessor-version":[{"id":33688,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/posts\/33682\/revisions\/33688"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/33501"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=33682"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=33682"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=33682"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}