一篇新论文揭示，先前认为可以克服频谱偏差的Kolmogorov-Arnold网络（KANs），在处理时间序列数据时，由于时间自相关性，实际上会重新引入频谱偏差。研究人员发现，这种偏差随着自相关性的增加而加剧，可能阻碍KANs在时间序列预测中的表现。为了缓解这一问题，该研究提出使用离散余弦变换（DCT）对输入进行预处理，该方法在实证中显示出对低频偏好的显著降低。 AI
影响 表明标准的KANs可能难以处理时间序列数据，需要像DCT这样的预处理来提高性能。
排序理由 关于特定神经网络架构局限性及其解决方案的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2604.23518v1 Announce Type: new Abstract: Existing theory suggests that Kolmogorov-Arnold Networks (KANs) can overcome the spectral bias commonly observed in neural networks under the assumption that inputs are statistically independent. However, this assumption does not ho…