論文の概要: A Primer on Kolmogorov-Arnold Networks (KANs) for Probabilistic Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2510.16940v1
• Date: Sun, 19 Oct 2025 17:38:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 00:56:39.216531
• Title: A Primer on Kolmogorov-Arnold Networks (KANs) for Probabilistic Time Series Forecasting
• Title（参考訳）: Kolmogorov-Arnold Networks (KANs) の確率的時系列予測のためのプライマー
• Authors: Cristian J. Vaca-Rubio, Roberto Pereira, Luis Blanco, Engin Zeydan, Màrius Caus,
• Abstract要約: 確率的コルモゴロフ・アルノルドネットワーク(英: Probabilistic Kolmogorov-Arnold Network, P-KAN)は、コルモゴロフ・アルノルドネットワーク(英: Kolmogorov-Arnold Networks, KAN)の時系列予測用拡張である。 P-KANは、非線形および重み付き力学を捉えることができる表現的かつパラメータ効率の良いモデルを提供する。 衛星トラフィック予測におけるP-KANの評価を行い,不確実性を考慮した予測により資源割り当ての動的しきい値設定が可能となる。
• 参考スコア（独自算出の注目度）: 6.102596261546231
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work introduces Probabilistic Kolmogorov-Arnold Network (P-KAN), a novel probabilistic extension of Kolmogorov-Arnold Networks (KANs) for time series forecasting. By replacing scalar weights with spline-based functional connections and directly parameterizing predictive distributions, P-KANs offer expressive yet parameter-efficient models capable of capturing nonlinear and heavy-tailed dynamics. We evaluate P-KANs on satellite traffic forecasting, where uncertainty-aware predictions enable dynamic thresholding for resource allocation. Results show that P-KANs consistently outperform Multi Layer Perceptron (MLP) baselines in both accuracy and calibration, achieving superior efficiency-risk trade-offs while using significantly fewer parameters. We build up P-KANs on two distributions, namely Gaussian and Student-t distributions. The Gaussian variant provides robust, conservative forecasts suitable for safety-critical scenarios, whereas the Student-t variant yields sharper distributions that improve efficiency under stable demand. These findings establish P-KANs as a powerful framework for probabilistic forecasting with direct applicability to satellite communications and other resource-constrained domains.
• Abstract（参考訳）: 本研究は、時系列予測のための新しい確率的拡張である確率的コルモゴロフ・アルノルドネットワーク(P-KAN)を紹介する。 スカラーウェイトをスプラインベース関数接続に置き換え、予測分布を直接パラメータ化することで、P-KANは非線形および重み付き力学を捉えることができる表現的かつパラメータ効率の良いモデルを提供する。 衛星トラフィック予測におけるP-KANの評価を行い,不確実性を考慮した予測により資源割り当ての動的しきい値設定が可能となる。 その結果、P-KANは、精度とキャリブレーションの両方において、Multi Layer Perceptron(MLP)ベースラインを一貫して上回り、パラメータを著しく少なくし、優れた効率リスクトレードオフを実現していることがわかった。 ガウス分布と学生分布という2つの分布上にP-KANを構築する。 ガウス変種は、安全クリティカルなシナリオに適した堅牢で保守的な予測を提供するが、学生-t変種は、安定した需要下で効率を向上するシャープな分布をもたらす。 これらの結果から,P-KANは衛星通信や他の資源制約領域に直接適用可能な確率予測の強力な枠組みとして確立された。

関連論文リスト

• Kolmogorov-Arnold Networks (KANs) for Time Series Analysis [6.932243286441558]
  本稿では,KAN(Kolmogorov-Arnold Networks)の時系列予測への応用について紹介する。 コルモゴロフ・アルノルドの表現定理に着想を得たカンスは、伝統的な線型重みをスプラインパラメタライズされた単変数関数に置き換えた。 実世界の衛星トラフィック予測タスクにおいて,KANSAが従来のMLP(Multi-Layer Perceptrons)よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-14T17:38:17Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2023-10-17T20:30:16Z)
• When Rigidity Hurts: Soft Consistency Regularization for Probabilistic Hierarchical Time Series Forecasting [69.30930115236228]
  確率的階層的時系列予測は時系列予測の重要な変種である。 ほとんどの手法は点予測に焦点を絞っており、確率的確率分布を十分に調整していない。 ProFHiTは,階層全体の予測分布を共同でモデル化する完全確率的階層予測モデルである。
  論文  参考訳（メタデータ） (2022-06-16T06:13:53Z)
• Probabilistic electric load forecasting through Bayesian Mixture Density Networks [70.50488907591463]
  確率的負荷予測(PLF)は、スマートエネルギーグリッドの効率的な管理に必要な拡張ツールチェーンの重要なコンポーネントです。 ベイジアン混合密度ネットワークを枠とした新しいPLFアプローチを提案する。 後方分布の信頼性と計算にスケーラブルな推定を行うため,平均場変動推定と深層アンサンブルを統合した。
  論文  参考訳（メタデータ） (2020-12-23T16:21:34Z)
• Deep Distributional Time Series Models and the Probabilistic Forecasting of Intraday Electricity Prices [0.0]
  本稿では,深部時系列確率モデルを構築するための2つのアプローチを提案する。 1つ目は、ESNの出力層が、追加の正規化の前に乱れと縮小がある点である。 第二のアプローチは、特徴空間上の深いコプラ過程であるガウス乱れを伴うESNの暗黙のコプラを用いる。
  論文  参考訳（メタデータ） (2020-10-05T08:02:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。