STKAN架构利用Kolmogorov-Arnold网络增强时空预测能力

研究人员推出了一种新颖的时空预测架构STKAN，该架构集成了泰勒多项式Kolmogorov-Arnold网络模块。该方法旨在改进对复杂现实世界数据的建模，例如同时表现出空间相关性和非线性时间动态的交通模式。STKAN通过软节点分组分配机制构建空间表示，然后对时间依赖性进行建模，并纳入自注意力层以实现长距离交互。在五个交通预测基准上的实验表明，STKAN表现具有竞争力，并且优于基于MLP的变体。 AI

影响 这项研究可能为复杂的时空数据带来更准确的预测模型，从而影响交通管理和气候建模等领域。

排序理由 该集群描述了一篇介绍一种新颖的时空预测架构的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv
• Kolmogorov--Arnold Networks
• MLP-based variant
• ScienceCast
• STKAN
• Taylor-polynomial Kolmogorov-Arnold Network

• 论文
• 模型发布

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