TSKANMixer: Kolmogorov-Arnold Networks with MLP-Mixer Model for Time Series Forecasting

要約

時系列の予測は、経済学、エネルギー、ヘルスケア、交通管理など、多様な分野での研究の焦点でした。
最近の作品は、時系列ミキサー（TSMixer）などの時系列モデルの革新的なアーキテクチャを導入しました。これは、データ内の空間的依存関係と時間的依存関係の両方を効果的にキャプチャすることにより、多層パーセプロン（MLPS）を活用して予測精度を高めることができます。
この論文では、Kan層（Tskanmixer）でTSMixerを変更することにより、時系列予測のためのKolmogorov-Arnold Networks（Kans）の機能を調査します。
実験結果は、Tskanmixerが複数のデータセットにわたって元のTSMixerの予測精度を改善する傾向があることを示しています。
私たちの結果は、カンズが従来のMLPを交換または延長することにより、時系列予測のパフォーマンスを改善するための有望な代替案であることを示しています。

要約(オリジナル)

Time series forecasting has long been a focus of research across diverse fields, including economics, energy, healthcare, and traffic management. Recent works have introduced innovative architectures for time series models, such as the Time-Series Mixer (TSMixer), which leverages multi-layer perceptrons (MLPs) to enhance prediction accuracy by effectively capturing both spatial and temporal dependencies within the data. In this paper, we investigate the capabilities of the Kolmogorov-Arnold Networks (KANs) for time-series forecasting by modifying TSMixer with a KAN layer (TSKANMixer). Experimental results demonstrate that TSKANMixer tends to improve prediction accuracy over the original TSMixer across multiple datasets, ranking among the top-performing models compared to other time series approaches. Our results show that the KANs are promising alternatives to improve the performance of time series forecasting by replacing or extending traditional MLPs.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google