rKAN: 理性 Kolmogorov-Arnold 网络
原文中文,约400字,阅读约需1分钟。发表于: 。本研究探索了使用有理函数作为 Kolmogorov-Arnold 网络的基础函数,并提出了两种不同的方法,基于 Pade 逼近和有理 Jacobi 函数作为可训练的基础函数,建立了有理 KAN (rKAN)。然后,我们评估了 rKAN 在各种深度学习和物理推断任务中的性能,以证明其在函数逼近中的实用性和有效性。
该论文研究了18种不同的多项式在Kolmogorov-Arnold网络模型中的潜在应用,作为传统样条方法的替代。研究发现Gottlieb-KAN模型在复杂任务中表现最佳,但需要进一步分析和调整多项式在更复杂数据集上的表现。