时序预测的时间科尔莫戈洛夫 - 阿诺德变换
原文中文，约400字，阅读约需1分钟。发表于：。我们提出了 Temporal Kolmogorov-Arnold Transformer (TKAT) 模型，这是一种新颖的基于注意力机制的架构，旨在通过时间 Kolmogorov-Arnold 网络来捕捉多元数据流中的复杂时间模式和关系，以实现对时间序列中的长期依赖的建模。
传统循环神经网络在时间序列任务中衰退，设计了高效的RWKV-TS模型，具有高计算效率和规模扩展性。与Transformer和卷积神经网络相比，具备竞争力的性能表现，延迟和内存使用较低。RWKV-TS的成功鼓励了时间序列领域的探索和创新，是未来研究的有希望方向。
