新的GKAN-ODE模型在发现图动力学系统方程方面表现出色

研究人员开发了一个新的评估流程，以严格评估用于发现图动力学系统控制方程的符号回归模型。该框架超越了简单的拟合指标，根据所发现定律的长期轨迹稳定性和对未见图拓扑的泛化能力来评估它们。引入了一种新模型，即图Kolmogorov-Arnold网络-ODE (GKAN-ODE)，该模型表现出优越的性能，在合成和真实世界数据集上都能恢复精确的真实方程，并与基线方法相比实现了显著更低的轨迹误差。 AI

影响 这项研究可能带来更准确、更具泛化能力的AI模型，用于复杂系统的科学发现。

排序理由 该集群描述了一篇介绍新模型和特定科学问题评估框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• DagsHub
• Graph Kolmogorov-Arnold Network-ODE
• Hugging Face
• Kolmogorov--Arnold Networks
• MLP-based architectures
• Riccardo Cappi

• 论文
• 模型发布
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →