Kolmogorov-Arnold Networks (KANs) 在时间序列分析中的应用
信号处理
2025-10-28 v2 人工智能
机器学习
摘要
本文介绍了 Kolmogorov-Arnold Networks (KANs) 在时间序列预测中的一种新颖应用，利用其自适应激活函数来增强预测建模。受 Kolmogorov-Arnold 表示定理启发，KANs 用样条参数化的单变量函数替代传统线性权重，使其能够动态学习激活模式。我们证明了在真实的卫星流量预测任务中，KANs 优于传统的多层感知机 (MLPs)，以显著更少的可学习参数提供了更准确的结果。我们还提供了关于 KAN 特有参数对性能影响的消融研究。所提出的方法为自适应预测模型开辟了新途径，凸显了 KANs 作为预测分析中强大工具的潜力。
引用
@article{arxiv.2405.08790,
title = {Kolmogorov-Arnold Networks (KANs) for Time Series Analysis},
author = {Cristian J. Vaca-Rubio and Luis Blanco and Roberto Pereira and Màrius Caus},
journal= {arXiv preprint arXiv:2405.08790},
year = {2025}
}