たくさんのセンサーが刻むデータを眺めて、「いつもと違う動き」を自動で見つけたい——これが時系列異常検知です。ところが現実のデータはノイズだらけで、正常なゆらぎと本物の異常を見分けるのは簡単ではありません。深層学習で力ずくに学習させると、ノイズや稀な異常まで「正常」として覚え込み、肝心なときに見逃すこともしばしばです。
そこに登場したのが KAN-AD——「Kolmogorov–Arnold Networks を時系列異常検知に応用した軽量で頑健な手法」です。発想は驚くほどシンプルで、正常をわざと滑らかにしか表現しないことでノイズや異常を吸収させず、はみ出しとして浮かび上がらせます。面白いのですが、いざ理解しようとすると、フーリエ級数・ニューラルネット・異常検知といった複数の土台が重なっていて、どこから手をつければいいか迷います。
この記事は、まず 肝（核心のアイデア）だけを数式なしで腹落ちさせて、そのあとで「もっと深く理解したい人」のための学習ロードマップを置く、という二段構えで進みます。土台を埋めたい人にも、これから登る人にも使えます。
本記事の内容
- まず肝だけ ── 数式ゼロでKAN-ADの核心を掴む
- もっと深く理解する 3本柱 と、各柱で読むべき記事
- 最短ルート（読む順番）
- どの概念がKAN-ADのどこに効くか
まず「肝」だけ ── 数式なしで核心を掴む
細かい土台を埋める前に、KAN-AD が何をやっているのかを一枚で掴んでしまいましょう。次の図がすべてです。
たとえ話：正常は「数本の波の合奏」でできている
ある機械やセンサーの正常な時系列データを思い浮かべてください。ゆっくり上下したり、周期的に揺れたり——だいたいは滑らかな動きをしています。急にギザギザに尖ることは、普段はありません。
ここでKAN-ADは、ひとつの割り切りをします。「正常な波形は、何本かの滑らかな波（sin・cos）を混ぜ合わせれば再現できるはずだ」と考えるのです（図の中央）。ゆっくりした大きな波、中くらいの波、細かい波——これらを適切な強さで足し合わせると、元の滑らかな正常波形がかなり良く復元できます。これがフーリエ（波の混ぜ合わせ）の発想です。
肝：「波で作れないもの」だけが残る
ここがKAN-ADの最大の肝です。滑らかな波をいくら混ぜても、急なスパイク（尖った山や谷）だけは作れません。波はなめらかなので、ギザギザを表現できないのです。
だから、観測データを「滑らかな波の混ぜ合わせ」で近似すると——
- 正常な部分：滑らかなので、波の混ぜ合わせでぴったり再現できる → ズレ（残差）はほぼゼロ
- 異常な部分：急なスパイクは波で作れない → 再現しきれず、ズレ（残差）が大きく残る（図の右）
つまり「正常をわざと滑らかにしか表現しないモデルを作り、そのモデルでは再現できなかった“はみ出し”を異常とみなす」。これがKAN-ADの核心です。
なぜこれが嬉しいのか
ふつうの手法は、データを忠実に再現しようとするあまり、ノイズや異常まで“正常”として学んでしまうことがあります。すると、いざ異常が来ても「これも前に見たパターンだ」と見逃してしまう。
KAN-ADは逆に、最初から滑らかな波しか使わないと決めています。だからノイズや異常を吸収できず、それらは必ず残差として浮かび上がります。「あえて表現力を絞ることで、異常を目立たせる」——この割り切りが、ノイズに強く・超軽量（数千パラメータ）で・高速、という長所を生んでいます。
肝の一文：KAN-ADは「正常＝滑らかな波の混ぜ合わせ」で表し、波で作れなかったはみ出し（残差）を異常とする。
なぜ「滑らかさ」が異常をあぶり出すのか
もう一歩だけ直感を深めましょう。異常検知のモデルには、表現力をめぐって両極端の失敗があります。
一方の極端は「何でも覚えてしまうコピー機」です。表現力が高すぎるモデルは、観測を一字一句そのまま複写してしまいます。すると異常なスパイクすら忠実に再現するので、残差はどこもゼロに近く、異常が消えてしまいます（先の N=40 がこれでした）。もう一方の極端は「何も捉えられない大雑把な定規」です。表現力が低すぎると、正常のうねりすら表せず、残差がどこでも大きくなって、正常と異常の区別がつきません（N=2 付近）。
KAN-ADが狙うのは、この ちょうど中間 です。「正常のなめらかなうねりは再現できるが、急なスパイクは再現できない」という絶妙な表現力に調整する。すると、正常な部分は綺麗に消え、異常だけが残差として残る——下書きのラフスケッチが「だいたいの形」は捉えても「細部のほつれ」は描けないのに似ています。だからこそ「あえて表現力を絞る」ことが、見落としを減らす近道になるのです。
ここまでが核心です。「なぜ波で表せるのか（フーリエ）」「どうやって混ぜる強さを決めるのか（学習＝KAN）」「残差をどう異常スコアにするのか（時系列異常検知）」——この3つを一段深く知りたくなったら、以降のロードマップで土台を埋めていきましょう。
手を動かして肝を体感する（30行）
理屈だけだと半信半疑かもしれません。肝はたった30行のコードで再現できます。KAN-AD本体（ニューラルネットで係数を学ぶ部分）は使わず、肝の「滑らかな波で正常を近似→残差で異常」だけを、最小二乗で取り出してみましょう。
やることは3つだけです。
- 正常データを作る：ゆっくり・中くらい・細かい——3本の滑らかな波を混ぜて、ノイズを足す
- 異常を仕込む：波では作れない急なスパイクを数か所に注入する
- 窓ごとに波を当てはめる：スライディング窓に打ち切りフーリエ基底を最小二乗で当て、観測とのズレ（残差）を異常スコアにする
import numpy as np
from sklearn.metrics import roc_auc_score
rng = np.random.default_rng(0)
T = 600
t = np.arange(T)
# 正常 = ゆっくり/中くらい/細かい 3本の滑らかな波の混ぜ合わせ + 小さなノイズ
clean = (1.0*np.sin(2*np.pi*t/200) # ゆっくりした波
+ 0.5*np.sin(2*np.pi*t/60) # 中くらいの波
+ 0.3*np.sin(2*np.pi*t/25)) # 細かい波
x = clean + rng.normal(0, 0.15, T) # 観測 = 正常波形 + ノイズ
# 異常 = 急なスパイク(波では作れないギザギザ)を3か所に注入
anom_idx = [120, 300, 450]
labels = np.zeros(T, dtype=int)
for i in anom_idx:
x[i] += rng.choice([-1, 1]) * 2.5
labels[i] = 1
def fourier_design(n, N):
"""長さnの窓に対する打ち切りフーリエ基底(定数 + sin/cos をN対)。"""
tt = np.arange(n)
cols = [np.ones(n)]
for k in range(1, N+1):
cols.append(np.cos(2*np.pi*k*tt/n))
cols.append(np.sin(2*np.pi*k*tt/n))
return np.stack(cols, axis=1)
W, N = 80, 6 # 窓長80、フーリエ項数6(=あえて滑らかさを強制)
B = fourier_design(W, N)
score = np.zeros(T)
for s in range(0, T-W+1):
win = x[s:s+W]
coef, *_ = np.linalg.lstsq(B, win, rcond=None) # 最小二乗で係数フィット
recon = B @ coef # 滑らかな波の混ぜ合わせ
resid = np.abs(win - recon) # はみ出し(残差)
score[s:s+W] = np.maximum(score[s:s+W], resid) # 各点の最大残差をスコアに
print(f"AUC = {roc_auc_score(labels, score):.3f}")
print(f"正常点の平均残差 = {score[labels==0].mean():.3f}")
print(f"異常点の平均残差 = {score[labels==1].mean():.3f}")
実行結果は次のとおりです。
AUC = 1.000
正常点の平均残差 = 0.696
異常点の平均残差 = 2.485
上のグラフ（①）を見ると、緑の「滑らかな波の混ぜ合わせ」が、灰色の観測のうねりにはぴたりと寄り添う一方、赤帯の急なスパイクには追従できていません。下のグラフ（②）の残差スコアは、正常部では低くノイズに紛れ、異常の3か所だけがしきい値を突き抜けています。異常点の残差（2.485）は正常点（0.696）の約3.6倍で、AUCは1.000——肝そのものが、ニューラルネットなしの30行で再現できました。
KAN-AD本体は、この「窓ごとに最小二乗で係数を解く」部分を、ニューラルネット（1次元畳み込み）で学習する形に置き換え、さらに周期強化や差分といった工夫を足したものです。土台の発想は、いま体感したこのデモと完全に同じです。
「あえて表現力を絞る」のが効く、を実験で確かめる
肝の中でいちばん腹落ちしにくいのが、「表現力を上げたほうが良さそうなのに、わざと絞るほうが検出に効く」という逆説です。これも実験で確かめられます。先ほどのデモを、もう少し意地悪な条件——ノイズを強め（標準偏差0.30）、異常を控えめな段差（高さ1.1・幅4点）——にして、フーリエ項数 N を変えながらAUCを測ってみます。
# 意地悪な条件でデータを作り直す: ノイズ強め(0.30) + 控えめな段差状の異常
rng = np.random.default_rng(0)
x = clean + rng.normal(0, 0.30, T) # clean は最初のデモと同じ3波の和
labels = np.zeros(T, dtype=int)
for i in [120, 300, 450]:
x[i:i+4] += rng.choice([-1, 1]) * 1.1 # 高さ1.1・幅4点の段差
labels[i:i+4] = 1
def run(N, W=80):
B = fourier_design(W, N); score = np.zeros(T)
for s in range(0, T-W+1):
win = x[s:s+W]
coef, *_ = np.linalg.lstsq(B, win, rcond=None)
resid = np.abs(win - B @ coef)
score[s:s+W] = np.maximum(score[s:s+W], resid)
return roc_auc_score(labels, score)
for N in [2, 4, 6, 10, 16, 24, 40]:
print(f"N={N:2d} AUC={run(N):.3f} params={1+2*N}")
N= 2 AUC=0.698 params=5
N= 4 AUC=0.716 params=9
N= 6 AUC=0.683 params=13
N=10 AUC=0.641 params=21
N=16 AUC=0.576 params=33
N=24 AUC=0.568 params=49
N=40 AUC=0.652 params=81
左のグラフが示すとおり、AUCは 項数の少ない N=4 あたりで最良（0.716） で、項数を増やすほど劣化し、N=16〜24 では 0.57 前後まで落ちます。右のグラフがその理由です。N=6（緑）は滑らかさを保って細かい揺れを無視するのに対し、N=40（赤破線）はノイズの一山一山だけでなく中央の異常スパイクまで忠実に再現してしまっています。再現できてしまえば、残差は立ちません。表現力が高いほど、異常を「正常」として吸収してしまうわけです。
これがKAN-ADが「学習可能だが滑らかなフーリエ基底」を選んだ理由です。むやみに表現力を上げず、正常が持つ滑らかさのレベルに合わせて表現力を絞ることで、異常だけが残差にはみ出すようにする——この設計判断こそが肝の本質です。
おまけ：なぜKAN-ADは軽くて速いのか
実験の出力に params という列がありました。これは1つの窓を表すのに使う係数の個数で、1 + 2N（定数項1個＋ sin / cos が各 $N$ 対）で決まります。N=6 ならわずか 13個です。深層学習の異常検知モデルが数百万パラメータを抱えることを思えば、桁違いの軽さです。
KAN-ADが軽量・高速なのは、この「基底は固定（sin / cos）で、学ぶのは少数の係数だけ」という構造のおかげです。重い行列をたくさん学習する代わりに、滑らかな部品の混ぜ方だけを学ぶ。だから学習も推論も速く、メモリも食いません。論文では数千パラメータ規模で、はるかに重いTransformer系の手法に匹敵する精度を出しています。「表現力を絞る」という肝の判断が、検出性能だけでなく軽さにも直結しているわけです。多数のセンサーを同時に監視する現場では、この軽さがそのまま実用上の強みになります。
単変量か、多変量か（つまずきやすい点）
KAN-AD を使おうとすると必ず出る疑問が「これは単変量（1本の時系列）の手法なのか、多変量（多数のセンサー）に使えるのか」です。
答えは、本体は単変量です。KAN-AD は「1本の時系列を滑らかな波で近似して残差を見る」手法で、複数チャネルへは チャネル独立（channel independence）——各センサーを独立した1本の時系列として扱い、同じモデルを全チャネルに共有適用して、最後にスコアをまとめる——という形で拡張します。チャネルが増えてもモデルが太らない（軽い）のは、この割り切りのおかげです。
ただし、ここには得意・不得意がはっきり出ます。
- 得意：あるセンサー単体のドリフト・スパイク・ノイズに紛れた逸脱。KAN-AD の「滑らかな正常からのはみ出し」設計が最も活きる場面です。
- 苦手：各センサーは個別には正常範囲なのに、センサー間の整合性（相関）だけが崩れる異常。チャネルを独立に見るため、各チャネルは「滑らかな正常」に見えてしまい、残差が立ちません。
そのため、相関の崩れも捕らえたい場合は、相関を見る手法（OmniAnomaly・Anomaly Transformer・SARAD など）と併用するのが現実的です。「ノイズに強い（単体）」ことと「相関異常を捕る（多変量）」ことは別問題で、KAN-AD は前者に振り切った設計、と理解するのが正確です。
もっと深く理解する「3本柱」
KAN-AD を一言で分解すると、こうなります。
KAN-AD ＝ ①フーリエで関数を表す ＋ ②ニューラルネットで係数を学ぶ(KAN) ＋ ③時系列の正常を学んで残差で異常検知
この3つの柱をそれぞれ理解すれば、全体が見渡せます。
地図の核にあるのは、たった一つの考え方です。
「1変数関数を学ぶ」＝「固定した基底（フーリエ）の係数を学ぶ」
ここさえ腹落ちすれば、「KANが辺に関数を置く」も「KAN-ADがフーリエ係数だけ学ぶ」も一気に繋がります。では、柱ごとに見ていきましょう。
柱A：フーリエ／基底で関数を表す
KAN-ADの「フーリエ」部分の土台です。ここで押さえたいのは、関数を、決まった部品（基底）の重み付き和で表すという考え方です。
基底とは「決まった部品セット」
「基底」という言葉が難しく聞こえますが、要は あらかじめ用意しておく部品のセット です。フーリエの場合、その部品は周期の違う sin と cos の波です。$\sin(t), \cos(t), \sin(2t), \cos(2t), \dots$ と、波数を1, 2, 3, … と増やしていったものを並べます。波数が小さいほどゆっくりした大きな波、大きいほど細かく速い波になります。
フーリエ級数の主張は、「どんな（適度になめらかな）周期関数も、この sin / cos の部品を適切な強さで足し合わせれば再現できる」というものです。式で書けば
$$ f(t) \approx a_0 + \sum_{k=1}^{N} \big(a_k \cos(k\omega t) + b_k \sin(k\omega t)\big) $$
の形です。$a_k, b_k$ が「各部品をどれだけ強く混ぜるか」を表す係数で、これが関数の個性を決めます。部品（sin / cos）は固定で、変わるのは係数だけ、という点があとで効いてきます。
具体的に感じてみましょう。デモで作った正常波形は、周期200・60・25の3本の sin を「1.0・0.5・0.3」の強さで混ぜたものでした。ある時刻でこの3本がそれぞれ「+0.9, −0.4, +0.1」の値を取っていれば、合成値は $1.0\times0.9 + 0.5\times(-0.4) + 0.3\times0.1 = 0.73$ のように、各部品の値に強さを掛けて足すだけで決まります。逆に言えば、観測波形を見て「どの強さで混ぜれば一番近くなるか」を逆算すれば、係数が求まる——これが次の最小二乗の話です。波の本数（部品の種類）を増やすほど複雑な形も作れますが、その代わり急な変化まで作れてしまう点が、後で効いてきます。
「打ち切る」と滑らかになる
上の和を無限に続ければ理論上どんな関数も表せますが、KAN-ADは $N$ 番目で打ち切ります（truncate）。これがポイントです。$N$ を小さく抑えると、細かい波（高い波数）が使えなくなるので、表せる関数は自動的に滑らかなものに限られます。先ほどの実験で N を絞ったときに異常が残差に立ったのは、まさにこの「打ち切り＝滑らかさの強制」が効いていたからです。
係数を求める＝最小二乗
では、ある観測波形に対して係数 $a_k, b_k$ をどう決めるのか。答えは 最小二乗法 です。「部品の重み付き和」と「観測」のズレ（二乗誤差）が最小になるように係数を選びます。基底を固定して係数だけを解くこの操作は、KAN-ADの reducing段（係数を学ぶ部分） が行っていることの本質と同じです。デモのコードで np.linalg.lstsq(B, win) と書いた一行が、まさにこの最小二乗フィットでした。
ここまでで「打ち切りフーリエで正常パターンを近似する」が腹落ちします。次は、この係数を最小二乗ではなくニューラルネットに学ばせるとどうなるか——柱Bへ進みましょう。
柱B：ニューラルネット／KAN
柱Aでは係数を最小二乗で一発で解きました。実際のKAN-ADは、この係数を ニューラルネットで学習 します。なぜわざわざ学習にするのか、そしてその器である KAN とは何か——ここを押さえます。
まずMLP：辺は「ただの数」
ふつうのニューラルネット（MLP）は、ノード（丸）と辺（線）でできています。辺には「重み」という1個の数が乗っていて、信号が辺を通るたびにその数が掛けられます。ノードでは入ってきた値を足し合わせ、シグモイドやReLUといった固定の活性化関数に通します。学習で動くのは、各辺の重み（数）と各ノードのバイアスだけ——つまりMLPは「たくさんの数」を勾配降下で調整して関数を近似します。
KAN：辺に「関数そのもの」を置く
KAN（Kolmogorov–Arnold Networks）は、この常識をひっくり返します。辺に乗るのは数ではなく、学習可能な1変数関数です。ノードは活性化関数を持たず、ただ和を取るだけ。つまりMLPが「固定の活性化＋学習する重み」だったのに対し、KANは「学習する活性化（＝辺の関数）＋ただの和」になります。非線形性そのものを学ぶ、と言い換えてもいいでしょう。
核心：「関数を学ぶ」＝「基底の係数を学ぶ」
ここで柱Aと繋がります。「辺に関数を置いて学ぶ」と言われても、関数は無限の自由度を持つので、そのままでは勾配降下で扱えません。そこでKANは、その1変数関数を基底（B-splineやフーリエ）の重み付き和として表します。すると「関数を学ぶ」という難題が、「有限個の係数を学ぶ」という扱いやすい問題に化けます。
「1変数関数を学ぶ」＝「固定した基底の係数を学ぶ」 ——これがニューラルネットにフーリエ（やB-spline）が入ってくる理由です。
KAN-ADはこの基底をフーリエに固定し、係数を1次元畳み込みで学習します。柱Aの最小二乗を「学習可能な係数推定」に置き換えたもの、と捉えるとスッと入ります。なぜフーリエなのか（局所的なB-splineだと異常まで再現してしまう）は、すでに肝の実験で見たとおりです。
ここまでで「フーリエ係数を（畳み込みで）学習する」が腹落ちします。残るは、その係数で作った正常パターンを、どう異常検知に使うか——柱Cです。
柱C：時系列異常検知
最後は「何のため」の部分です。正常を学んで逸脱を検出するという枠組みと、時系列ならではの作法を押さえれば、肝のデモで書いた処理の意味が完全に繋がります。
異常検知の基本姿勢：正常を学び、外れを見る
異常検知の難しさは、「異常のラベル付きデータがほとんど手に入らない」ことにあります。異常は稀で、種類も多様だからです。そこで多くの手法は発想を反転させ、圧倒的に多い「正常」だけを学習し、そこから外れたものを異常とみなします。KAN-ADの「正常を滑らかな波で表す」も、まさにこの姿勢です。異常は「正常モデルでうまく説明できないもの」として、消去法的に浮かび上がります。
異常には大きく3種類あります。点異常（1点だけ突出するスパイク）、文脈異常（値自体は正常範囲だが、その文脈では異常——例えば真夏の氷点下）、集合異常（個々は正常だが連続パターンとして異常）。KAN-ADが最も得意とするのは、滑らかな正常から鋭く外れる点異常・短期の異常です。
時系列の作法：窓化・残差スコア
時系列では、データをスライディングウィンドウ（一定長の窓を少しずつずらす）で切り出して扱うのが定石です。デモで W=80 の窓を1点ずつずらし、各窓にフーリエを当てはめたのがこれです。窓ごとに「正常モデル」を作れるので、データ全体の緩やかな変化にも追従できます。
正常モデルの作り方には2系統あります。予測ベース（過去から次の値を予測し、外れたら異常）と再構成ベース（窓全体を一度圧縮してから復元し、復元できなければ異常）です。KAN-ADは後者に近く、窓を滑らかな波で“なぞって”その再現誤差（残差）を異常スコアにします。デモの np.abs(win - recon) がこの残差で、値が大きいほど「正常では説明できない＝異常らしい」という意味になります。
評価の落とし穴：point-adjustとVUS
最後に評価です。時系列異常検知の論文で広く使われてきた point-adjust という指標には、性能を過大評価する重大な欠点があります。「異常区間を1点でも当てれば、その区間全体を正解扱いにする」ため、極端にはランダムな検出器でも高いF1スコアが出てしまうのです。論文の華やかな数字を鵜呑みにしないために、point-adjustに依存しない VUS などの指標も併せて確認するのが安全です。KAN-ADを含む手法同士を比べるときは、この評価リテラシーが効いてきます。
ここまでで「残差を異常スコアにする」が腹落ちします。3本柱が出揃ったので、それらがKAN-AD本体でどう組み上がるかを見てみましょう。
3本柱はKAN-ADの中でこう組み上がる
3つの柱は、KAN-AD本体では mapping → reducing → projection という3段のパイプラインとして繋がります。柱で学んだ言葉に対応づけると、こうなります。
- mapping（写像）：入力の窓を、フーリエ基底（sin / cos の部品）に展開する。＝柱Aの「基底で表す」
- reducing（縮約）：1次元畳み込みで、各部品をどれだけ混ぜるか＝フーリエ係数を学習する。＝柱Bの「係数を学ぶ」（最小二乗を学習に置き換えた部分）
- projection（射影）：学習した係数から、その窓の滑らかな正常パターンを復元する。観測との残差が異常スコア。＝柱Cの「残差で検出」
つまり「基底で表し（A）→ 係数を学び（B）→ 残差で検出する（C）」という流れが、そのまま3段パイプラインになっているわけです。さらにKAN-ADは、細かい周期も捕らえる周期強化や、窓ごとの平均ずれを消す差分といった工夫を足して、推定を安定させています。ここまで来れば、本体記事のアーキ図がすんなり読めるはずです。
地図の中での位置：他の異常検知とどう違うか
KAN-ADを正しく位置づけるために、「正常モデルの作り方」という軸で他の代表的アプローチと並べてみましょう。どれも「正常を学んで外れを見る」点は共通で、違うのは正常をどう表現するかです。
| アプローチ | 正常モデルの作り方 | 異常の見つけ方 | 性格 |
|---|---|---|---|
| 統計的手法（zスコア等） | 平均・分散などの統計量 | 統計的に外れた値 | 軽いが時間構造を見ない |
| 距離・密度（kNN, LOF） | 正常点の分布・近さ | 孤立した点 | 直感的だが高次元に弱い |
| 再構成オートエンコーダ | NNで圧縮→復元 | 復元誤差が大きい点 | 表現力高いが異常も覚えうる |
| 予測ベース（LSTM等） | 過去から次値を予測 | 予測から外れた点 | 時間依存に強いが重い |
| KAN-AD | 滑らかなフーリエ近似 | 波で作れない残差 | 超軽量・ノイズに頑健 |
KAN-ADの個性は、再構成オートエンコーダと同じ「再構成誤差で異常を見る」枠組みに立ちながら、再構成器をあえて滑らかなフーリエに限定した点にあります。オートエンコーダは表現力が高いぶん異常まで再構成してしまう危険がありますが、KAN-ADは滑らかさを強制することでその罠を避けます。一方で、表現を絞った代償として、複雑な多変量の相関異常は苦手——という得意・不得意が、この表からも読み取れます。要するにKAN-ADは「正常モデルの作り方として“滑らかな波”を選んだ、軽くて頑健な一手」です。
最短ルート（読む順番）
3本柱を最短で登るなら、この順番がおすすめです。
- フーリエ級数（柱A）── 「関数＝基底の和」を体に入れる
- KAN（柱B）── 「辺に関数を置く＝係数を学ぶ」を理解する
- 時系列異常検知の基礎（柱C）── 「正常を学んで残差で検出」を理解する
- KAN-AD本体 ── 3つが統合される
最小二乗やMLPの基礎は、途中で軽く触れれば十分です。仕上げにKAN-AD本体を読みましょう。
どの概念がKAN-ADのどこに効くか
学んだ概念が、KAN-ADのどの部品に対応するかを一覧にしておきます。
| 理解すべき概念 | KAN-ADのどの部分か |
|---|---|
| フーリエ級数 | 辺の基底（B-splineの代わり） |
| 最小二乗／係数当てはめ | reducing段（係数を学ぶ）の本質 |
| 滑らか vs 局所 | 「正常は滑らか・異常は局所」という前提 |
| MLP → KAN（辺の関数） | アーキの骨格（辺＝関数、ノード＝和） |
| 窓化・予測・残差 | mapping/projection ＋ 異常スコア |
| point-adjust / VUS | 性能評価の読み方 |
よくあるつまずきポイント（FAQ）
最後に、初心者がKAN-ADで引っかかりやすい疑問をまとめておきます。
Q. なぜ「予測」ではなく「近似」なのか？ 多くの時系列異常検知は「過去から次の値を予測し、外れたら異常」とします。KAN-ADは少し違い、窓全体を滑らかな波で“なぞる（近似する）”ことに重きを置きます。狙いは同じ「正常を表すモデルを作り、合わない分を異常とする」ですが、KAN-ADは滑らかさを強制することで、ノイズや異常をモデルに吸収させない点が特徴です。
Q. ふつうのフーリエ変換と何が違う？ フーリエ変換は信号全体を周波数に分解する解析手法ですが、KAN-ADは窓ごとに少数の波だけで近似し、その係数を学習する点が違います。さらにKANの枠組みに載せることで、固定の変換ではなく「データから最適な係数の使い方」を学べます。
Q. なぜB-splineではなくフーリエなのか？ KANはもともと辺の関数をB-spline（局所的な基底）で表します。しかしB-splineは局所に食いつくため、ノイズや異常まで再現してしまい、異常が残差に出にくくなります。フーリエは大域的で滑らかなので、局所のスパイクを取り込まず残差に残せます。これがKAN-ADの設計判断です。
Q. 性能評価で気をつけることは？ 時系列異常検知でよく使われる point-adjust という指標は、性能を過大評価しがちです（極端にはランダム検出でも高く出る）。論文の数字を読むときは、point-adjustに頼らない VUS などの指標も併せて見るのが安全です。
Q. フーリエ項数 N や窓長 W はどう決める？
本質は「正常の滑らかさに表現力を合わせる」ことです。N を大きくしすぎると過適合して異常を取りこぼし（先の実験で確認したとおり）、小さすぎると正常のうねりすら表せず残差が常時大きくなります。窓長 W は、捉えたい正常パターンの周期より十分長く取るのが目安です。実務では小さめの N から始め、検証データのスコア分布を見ながら調整するのが安全です。
Q. KAN-AD だけで運用を完結できる？ 得意な異常（単体センサーのスパイク・ドリフト）が主役なら、軽さも相まって有力な選択肢です。ただしセンサー間の相関崩れも見たい場合は単体では足りないので、相関を見る手法と併用するか、複数手法のスコアを組み合わせるのが現実的です。「万能の1手法」ではなく「滑らかな正常からのはみ出しに特化した、軽くて頑健な道具」と位置づけると、使いどころを誤りません。
まとめ
KAN-AD を理解するための学習ロードマップを整理しました。
- 3本柱：①フーリエ／基底、②ニューラルネット／KAN、③時系列異常検知
- 核の一文：「1変数関数を学ぶ」＝「固定した基底（フーリエ）の係数を学ぶ」
- 最短ルート：フーリエ級数 → KAN → 時系列異常検知 → KAN-AD本体
土台が重なって見える手法も、柱に分けて1つずつ登れば必ず腹落ちします。地図を片手に、ゴールのKAN-ADまで登ってみてください。