DecompKAN: Architettura Leggera Senza Attenzione per il Forecasting di Serie Temporali
È stata introdotta un'architettura innovativa chiamata DecompKAN per migliorare le previsioni a lungo termine per dati di serie temporali. Questo modello innovativo integra diversi approcci, tra cui la decomposizione trend-residuo e il patching per canali, insieme alla normalizzazione delle istanze appresa e alle funzioni di bordo B-spline KAN. Notevolmente, DecompKAN ha raggiunto o eguagliato le migliori metriche di errore quadratico medio in 15 delle 32 combinazioni dataset-orizzonte rispetto ai benchmark esistenti. Ha eccelso in 20 delle 36 valutazioni su nove dataset, in particolare il benchmark fisiologico PPG-DaLiA. Leggero nel design, DecompKAN omette i meccanismi di attenzione, consentendo una visualizzazione semplice della sua funzione scalare. Lo studio è accessibile su arXiv con l'ID 2604.23968.
Fatti principali
- DecompKAN combina decomposizione trend-residuo, patching per canali, normalizzazione delle istanze appresa e funzioni di bordo B-spline KAN.
- Raggiunge il miglior MSE o il miglior MSE a pari merito su 15 delle 32 combinazioni dataset-orizzonte.
- Raggiunge il miglior MSE o il miglior MSE a pari merito su 20 delle 36 valutazioni in condizioni di valutazione controllata con la stessa ricetta.
- Valutato su 9 dataset, incluso il benchmark PPG-DaLiA.
- Ogni bordo KAN apprende una funzione scalare 1D esplicita e ispezionabile.
- L'architettura è senza attenzione e leggera.
- Particolare efficacia su dataset con pattern temporali lisci.
- Pubblicato su arXiv con ID 2604.23968.
Entità
Istituzioni
- arXiv