本論文では、産業や医療などの重要な分野における多変量時系列データの解釈可能な分類手法であるProtoTSNetを提案します。この手法は、ProtoPNetアーキテクチャへの大幅な改良を通じて、時系列分析特有の課題に対処します。具体的には、動的パターンの捕捉や変動する特徴重要度の処理に対応した修正された畳み込みエンコーダを用いています。私たちは、UEAアーカイブから収集した30の多変量時系列データセットでモデルを評価し、既存の解釈可能な手法や非解釈可能なベースラインとの比較を行いました。その結果、Ante-hoc解釈可能手法の中で最良の性能を達成し、非解釈可能およびポスト-hoc解釈可能アプローチとも競争力のある結果を維持できることが示されました。これにより、専門家にとってアクセス可能な解釈可能な結果を提供します。