本研究提出了一种X-KAN方法，通过基于进化规则的机器学习优化多个局部Kolmogorov-Arnold网络，克服了现有神经网络在处理复杂或不连续函数时的局限性。实验结果表明，X-KAN在函数逼近精度上显著优于传统方法，特别适用于复杂函数结构。

本文研究了神经网络在二元分类中的性能，发现即使在无关维度下也能实现均匀收敛速率。分析表明，神经网络在处理复杂函数时具有优势，接近最优优化水平。