Software Frameworks for Explainable AI in Time Series Classification: A Systematic Review | AIChainDay

한국어 요약by Claude · 2026. 8. 26.

이 논문은 시계열 분류(TSC)를 위한 설명가능 AI(XAI) 소프트웨어 프레임워크들을 체계적으로 비교 분석한 서베이다. 지원 XAI 기법, 평가 지표, 사용성, 벤치마킹 지원, 재현성 등 여러 기준으로 비교한 결과, 시계열을 명시적으로 지원하는 프레임워크는 6개에 불과했고 그중 주파수 영역 설명을 지원하는 것은 단 1개뿐이었다. 또한 시계열 전용으로 개발된 평가 지표는 2개에 그쳤으며, 동일한 XAI 기법이라도 프레임워크에 따라 상당히 다른 설명 결과가 나오는 비일관성 문제도 확인됐다. 저자들은 통합적이고 재현 가능한 시계열 전용 XAI 프레임워크 개발이 필요하다고 제언한다.

•시계열 분류(TSC) 지원 XAI 프레임워크는 조사 대상 중 6개에 불과
•주파수 영역 설명 지원 프레임워크는 단 1개뿐
•시계열 전용 평가 지표는 2개만 존재
•동일 XAI 기법도 프레임워크별로 설명 결과가 크게 달라지는 비일관성 확인

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.

규칙 판: 규칙 판 도입 이전 기사입니다.
남기는 것: 규칙 판 · 모델 · 시각
판 기록: 아직 없습니다.

AI2026년 8월 25일AI 점수: 70%

Software Frameworks for Explainable AI in Time Series Classification: A Systematic Review

출처:arXiv cs.AI

AI 인사이트

개발자

1.시계열 분류(TSC)용 설명가능AI(XAI) 소프트웨어 프레임워크를 체계 비교한 첫 서베이
2.지원기법·평가지표·사용성·재현성 등 다차원으로 프레임워크 6개를 비교분석
3.주파수영역 설명 지원 프레임워크는 단 1개, 시계열 전용 평가지표는 2개뿐임을 확인
4.동일 XAI 기법도 프레임워크마다 상이한 설명 결과를 산출하는 비일관성 문제 지적

왜 중요한가?

의사결정에 직결되는 시계열 분류 모델의 신뢰성 요구가 커지는 가운데, 프레임워크 간 결과 비일관성과 표준 평가지표 부재를 드러내 통합된 시계열 전용 XAI 프레임워크 필요성을 제기한다.

본문 미리보기

arXiv:2608.21449v1 Announce Type: new Abstract: Time series arise in a wide range of application domains and are analyzed using machine learning in decision-critical settings. Time series classification (TSC) is one of the most widely studied and relevant tasks. In this context, ensuring the transparency and trustworthiness of TSC models has become an important requirement, motivating the use of explainable artificial intelligence (XAI) methods. Despite growing interest, research on XAI for TSC

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기