PulseAugur
中
实时 09:20:08
English(EN) KAN vs LSTM Performance in Time Series Forecasting

LSTM在金融时间序列预测中优于基线KAN

作者 PulseAugur 编辑部 · [1 个来源] ·

一项近期研究比较了Kolmogorov-Arnold网络（KAN）和长短期记忆（LSTM）网络在金融时间序列预测中的应用，发现LSTM在预测准确性方面显著优于基线KAN。尽管KAN提供了理论上的可解释性，但其标准形式在处理序列数据方面不如LSTM有效。该研究为KAN在此类数据上的性能设定了一个基线，并建议进一步研究专门的时间序列KAN变体。 AI

影响 为KAN在时间序列预测中的性能设定了基线，并推动了对专门的时间序列变体的研究。

排序理由 学术论文，展示了AI模型在特定任务上的性能比较研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

LSTM在金融时间序列预测中优于基线KAN

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tabish Ali Rather, S M Mahmudul Hasan Joy, Nadezda Sukhorukova, Federico Frascoli ·

    KAN vs LSTM Performance in Time Series Forecasting

    arXiv:2511.18613v2 Announce Type: replace-cross Abstract: This study presents a controlled comparison of baseline Kolmogorov-Arnold Networks (KAN), implemented via PyKAN, and Long Short-Term Memory (LSTM) networks for the forecasting of stochastic, non-stationary financial time s…

相关实体

相关话题