文章预览
今天和大家分享一个好发顶会的方向： KAN+LSTM。 KAN以创新性和灵活性著称，通过结合LSTM的序列处理能力，能显著提高时间序列预测的准确性。这种结合不仅增强了模型的性能，还提高了模型对输入数据的适应性和鲁棒性，在处理复杂的序列数据和知识密集型任务上都是遥遥领先。 更重要的是，KAN是新提出的模型，目前KAN相关的主流创新思路也都是结合其他模型，所以对于还在找idea的同学来说， KAN+LSTM同样是个非常好的发文选择，创新空间十分可观。 为了帮助同学们加快论文进度，我精挑细选了一些 KAN结合LSTM的优秀paper 给各位作参考，代码基本都有，建议想发顶会的同学抓好这一轮热点。 扫码添加小享， 回复“ KAN长短 ” 免费获取 全部论文+开源代码 TKAN: Temporal Kolmogorov-Arnold Networks 方法： 本文提出了一种基于KAN网络架构的时间序列调整方法，
………………………………
