深層学習モデルを用いた1次元時系列データの分類精度が高く，実応用が期待されている.実応用時にモデルの分類結果を信頼して活用するためには，分類精度だけでなくモデルの判断根拠を提示する必要がある.
時系列データは部分系列が分類に寄与するといわれており，これに基づいた説明を提示することがエンドユーザへの理解に繋がる．また，部分系列は同一の時系列データ内に複数存在するため，これを同時に分類根拠として提示する必要があると考えられる．
本研究では，モデルの内部から，分類への寄与度に基づいて部分系列(パッチ)を取得し，各パッチの分類結果が別のクラスに変化していく過程を生成する説明手法を提案する．