L'autocorrelazione reintroduce il bias spettrale nei KAN per la previsione di serie temporali
Un nuovo studio rivela che le reti di Kolmogorov-Arnold (KAN), precedentemente ritenute in grado di superare il bias spettrale con input indipendenti, soffrono di un bias spettrale reintrodotto quando applicate alla previsione di serie temporali a causa della forte autocorrelazione temporale nelle osservazioni ritardate. L'analisi teorica e la validazione empirica mostrano che il bias si intensifica con l'aumento dell'autocorrelazione, mettendo in discussione l'applicabilità dei KAN standard per tali compiti. Per mitigare questo problema, gli autori propongono l'uso della Trasformata Discreta del Coseno (DCT) per decorrelare gli input, che sperimentalmente riduce la preferenza per le basse frequenze nella previsione di serie temporali. I risultati sono dettagliati in arXiv:2604.23518.
Fatti principali
- Si pensava che i KAN superassero il bias spettrale con input indipendenti.
- Gli input delle serie temporali sono osservazioni ritardate con forte autocorrelazione temporale.
- L'autocorrelazione temporale reintroduce il bias spettrale nei KAN.
- Il bias diventa più pronunciato all'aumentare dell'autocorrelazione.
- I KAN standard incontrano notevoli difficoltà con input fortemente autocorrelati.
- La Trasformata Discreta del Coseno (DCT) riduce le correlazioni tra gli input della rete.
- La pre-elaborazione con DCT riduce sostanzialmente la preferenza per le basse frequenze nella previsione di serie temporali.
- Studio pubblicato su arXiv con ID 2604.23518.
Entità
Istituzioni
- arXiv