本文综述了时间知识图谱补全方法的研究进展，涵盖背景、评估指标和现有方法，旨在解决静态知识图补全的不准确问题。讨论了内插和外推技术，并指出未来研究方向和挑战。

本文介绍了使用内插技术从再生核希尔伯特空间理论研究训练神经网络的理论，并泛化到Krein空间。通过多个复变量函数的概念，证明了Adamjan-Arov-Krein（AAK）定理的多维推广，得到了一种新的神经网络类别Prolongation神经网络（PNN）。证明指出，利用多维AAK定理可以在噪声环境中获得优于内插方法和当前最先进方法的性能。提供了实践中的应用示例。