KAN分解点过程模型

少参数 更可解释

用可学习样条函数分解强度函数，量化各组分对事件发生的贡献，提升预测精度与可解释性。

Ziwei, Wu · Jin, Guangyin · Gu, Xueqiang · 王超

Mathematics 2025

技术优势

可解释性更强

通过分析各分量对事件发生的贡献，定量揭示核心事件生成机制。

参数更少

在真实与合成数据集上，以更少可训练参数达到更高预测精度。

应用场景

• 电子健康记录分析：在电子健康记录中预测下次就医或事件时间，并归因于具体医学因素。
• 社交网络动态建模：建模信息传播、用户行为事件的触发机制和概率演化。
• 金融风险事件预测：预测风险事件如违约、欺诈的发生时间和触发因素。