BriefGPT - AI 论文速递
·
KAN-ODEs：学习动力系统和隐藏物理的 Kolmogorov-Arnold 网络常微分方程
📝
内容提要
通过将 Kolmogorov-Arnold 网络作为神经常微分方程框架的主体，本文展示了 KAN-ODE 在时间依赖和网格敏感的科学机器学习应用中的灵活动力系统建模能力，并证明了相比于多层感知机，KAN-ODE 具有更快的神经扩展速度、更强的解释性以及更少的参数个数。作者通过三个测试案例展示了 KAN-ODE 的优势，并通过激活函数可视化和训练结果符号回归显示了 KAN-ODE...
➡️
