Circuiti Funzionali Temporali: Spiegare le Previsioni KAN
Un nuovo framework chiamato Circuiti Funzionali Temporali converte le funzioni di bordo della Rete Kolmogorov-Arnold (KAN) in spiegazioni temporali affidabili per la previsione di serie temporali. Questo sistema utilizza un KAN residuo con gate che separa le previsioni in una base lineare e un aggiustamento KAN attivato in modo sparso. Associa ogni bordo ai ritardi di input tramite attribuzione consapevole dell'output, classifica i bordi in base al loro intervallo di attivazione appreso e conferma la fedeltà attraverso interventi a livello di bordo come azzeramento e rimozione della spline. L'eliminazione della B-spline appresa mantenendo il termine base SiLU riduce l'accuratezza della previsione, evidenziando il significato predittivo della forma della spline. La metodologia viene valutata su quattro regimi sintetici di complessità crescente. La ricerca è accessibile su arXiv (2605.05685v1).
Fatti principali
- 1. I Circuiti Funzionali Temporali sono un framework per spiegare le previsioni KAN.
- 2. I KAN espongono funzioni di bordo apprendibili esplicite su ogni connessione.
- 3. Il framework trasforma le funzioni di bordo KAN in spiegazioni temporalmente fondate.
- 4. Utilizza un KAN residuo con gate che scompone le previsioni in base lineare e correzione KAN.
- 5. I bordi sono mappati ai ritardi di input tramite attribuzione consapevole dell'output.
- 6. I bordi sono classificati in base all'intervallo di attivazione appreso.
- 7. La fedeltà è validata attraverso interventi a livello di bordo come azzeramento e rimozione della spline.
- 8. Rimuovere la componente B-spline degrada le previsioni, mostrando che la forma della spline ha valore predittivo.
Entità
Istituzioni
- arXiv