CENDRe: Concept Extraction with Natural Domain Representations
paper-conference
Descubrimiento de conceptos y localización mediante gradientes en tiempo y frecuencia para CNN de series temporales.
Recursos
Historial de publicación
Preprint: 31 de julio de 2026. Aceptado en NeurIPS 2026; los datos definitivos de las actas están pendientes de publicación.
Resumen
CENDRe descubre conceptos en CNN de series temporales mediante agrupamiento en dos etapas de representaciones latentes, seleccionando automáticamente el número de conceptos. Los gradientes de una medida de presencia basada en prototipos localizan cada concepto en el tiempo y, mediante una transformación de Fourier diferenciable, en la frecuencia. Las puntuaciones de relevancia por clase relacionan los conceptos con las predicciones. La evaluación utiliza datos sintéticos y de fallos en rodamientos.
Cita
@inproceedings{holzapfel2026cendre,
author = {Holzapfel, Antonia and Posada Moreno, Andres Felipe and Trimpe, Sebastian},
title = {CENDRe: Concept Extraction with Natural Domain Representations},
booktitle = {Advances in Neural Information Processing Systems},
year = {2026},
note = {Accepted at NeurIPS 2026; proceedings forthcoming},
eprint = {2607.29621},
archivePrefix = {arXiv},
url = {https://neurips.cc/virtual/2026/poster/150459}
}