发论文创新点来了！KAN+时间序列预测，更高性能表现、更低资源占用

还记得一夜爆火的KAN吗？

KAN的核心特点是把激活函数放在权重上并参数化为样条曲线，让它具有灵活的函数拟合能力和一定的可解释性，以便更好地处理和捕捉时间序列中的复杂关系与非线性模式，帮助我们更全面地分析和预测时间序列数据。

因此KAN非常适合作为时间序列预测的创新点，而且它是最新提出的模型，目前用的人很少，不过KAN单独使用会存在训练速度慢等问题，所以现在的主流思路是结合其他模型（比如LSTM、注意力机制等）加上个优化方法做创新。

为帮助同学们快速了解这个创新方向，我根据以上思路整理了8个最新发表的KAN+时间序列预测论文给各位做案例参考，有开源代码的都附上了，建议想发论文的同学仔细研读。

论文原文+开源代码需要的同学看文末

Kolmogorov-Arnold Networks (KANs) for Time Series Analysis

方法：本论文介绍了Kolmogorov-Arnold网络（KANs）在时间序列预测中的新应用，利用其自适应激活函数来增强预测建模。受Kolmogorov-Arnold表示定理的启发，KANs用样条参数化的单变量函数代替传统的线性权重，使其能够动态学习激活模式。