时序预测 | Python实现KAN+LSTM时间序列预测
时序预测 | Python实现KAN+LSTM时间序列预测
目录
- 时序预测 | Python实现KAN+LSTM时间序列预测
- 预测效果
- 基本介绍
- 程序设计
预测效果
基本介绍
时序预测 | KAN+LSTM时间序列预测（Python）
KAN作为这两年最新提出的机制，目前很少人用，很适合作为时间序列预测的创新点，可以结合常规的网络加上个优化方法做创新。适合功率预测，负荷预测，流量预测，浓度预测，机械领域预测等等各种时间序列预测。
KAN（Kolmogorov–Arnold Networks）的模型，它对标的是MLPs（多层感知机），这个模型由数学定理Kolmogorov–Arnold启发得出的。该模型最重要的一点就是把激活函数放在了权重上，也就是在权重上应用可学习的激活函数，这些一维激活函数被参数化为样条曲线，从而使得网络能够以一种更灵活、更接近Kolmogorov-Arnold 表示定理的方式来处理和学习输入数据的复杂关系。