利用Kolmogorov-Arnold网络的格兰杰因果关系检测

本研究解决了传统格兰杰因果关系在处理非线性数据中的局限性，提出了一种新的神经格兰杰因果关系模型，即格兰杰因果关系KAN（GC-KAN）。通过对VAR模型和混沌Lorenz-96系统的测试，研究表明KAN在识别高维数据中的稀疏因果关系方面优于多层感知机（MLP），显示了人工智能在动态系统因果关系发现中的潜在应用价值。