TKAN：时序Kolmogorov-Arnold网络
机器学习
2025-08-01 v4 人工智能
摘要
循环神经网络（RNNs）在自然语言和数据序列处理等众多机器学习领域取得了突破，尤其是长短期记忆网络（LSTM）在捕获序列数据中的长期依赖方面表现突出。鼓舞着Kolmogorov-Arnold网络（KANs）作为多层感知机（MLPs）的有前景的替代方案，我们提出了一种新型神经网络架构，将KAN与LSTM结合，称为时序Kolmogorov-Arnold网络（TKANs）。TKANs综合了两种网络的优势，由称为循环Kolmogorov-Arnold网络（RKANs）层组成，嵌入记忆管理。这一创新使我们能够以提高的精度和效率进行多步时间序列预测。通过解决传统模型在处理复杂序列模式方面的局限性，TKAN架构为需要超过一步的预测提供了巨大的潜力。
引用
@article{arxiv.2405.07344,
title = {TKAN: Temporal Kolmogorov-Arnold Networks},
author = {Remi Genet and Hugo Inzirillo},
journal= {arXiv preprint arXiv:2405.07344},
year = {2025}
}