محققان در مطالعهای جدید، معماری نوآورانهای به نام STKAN را معرفی کردهاند که به طور اختصاصی برای پیشبینیهای پیچیده «مکانی-زمانی» (مانند ترافیک) طراحی شده است.
این مدل با استفاده از ماژولهای Kolmogorov-Arnold Network (KAN) مبتنی بر چندجملهایهای تیلور، توانسته است دقت پیشبینی را در سناریوهایی که دادهها رفتارهای غیرخطی و پیچیدهای دارند، به شکل چشمگیری افزایش دهد. این دستاورد نشان میدهد که تغییر در نوع توابع غیرخطی شبکه، به اندازه تغییر در ساختار کلی مدل برای رسیدن به نتایج بهتر اهمیت دارد.
این رویکرد میتواند آینده سیستمهای پیشبینی هوشمند را تغییر دهد!
منبع: arXiv AI