AR-KAN: Autoregressive-Weight-Enhanced Kolmogorov-Arnold Network for Time Series Forecasting

Created by

Haebom

저자

Chen Zeng, Tiehang Xu, Qiao Wang

💡 개요

본 논문은 전통적인 신경망이 복잡한 시계열 신호의 스펙트럼 구조를 포착하는 데 어려움을 겪는다는 문제점에서 출발합니다. 이를 해결하기 위해, 시계열 예측에서 ARIMA가 LLM보다 우수한 성능을 보인다는 선행 연구에 영감을 받아, AR(Autoregressive) 모듈과 KAN(Kolmogorov-Arnold Network)을 결합한 AR-KAN 모델을 제안합니다. AR-KAN은 AR 모듈을 통해 시간적 기억을 강화하고 KAN으로 비선형 표현력을 높여, 합성 데이터와 실제 데이터 모두에서 뛰어난 시계열 예측 성능을 입증합니다.

🔑 시사점 및 한계

•

기존 시계열 예측 모델의 한계를 극복하기 위해 AR 모듈을 통한 시간적 기억 강화와 KAN의 비선형 표현력을 통합하는 효과적인 프레임워크를 제시했습니다.

•

AR-KAN은 특히 거의 주기적인(almost-periodic) 특성을 가진 복잡한 시계열 데이터에서 기존 모델 대비 향상된 예측 성능을 보여주었습니다.

•

제안된 AR 모듈이 시간적 특징을 보존하면서도 불필요한 정보를 줄이는 수학적 근거를 제시했으며, AR-KAN의 근사 오차 상한이 KAN보다 작다는 이론적 증명을 통해 모델의 안정성과 효율성을 뒷받침합니다.

•

향후 AR-KAN 모델의 확장성과 다양한 종류의 시계열 데이터에 대한 적용 가능성 연구가 필요합니다.

PDF 보기

Made with Slashpage