研究人员为使用B样条作为其单变量分量的Kolmogorov-Arnold网络（KANs）建立了收敛保证。研究表明，KAN样条筛中的最小二乘估计器可以达到$O((\log n / n)^{2r/(2r+1)})$的收敛速率，这在对数因子范围内被认为是minimax最优的。该速率独立于环境维度，反映了KAN架构的结构，而不是逃避了标准的minimax速率。此外，该论文还引入了一个用于自适应速率达到的节点选择规则，并指出仅通过中心化无法识别单变量分量。 AI
影响 为KANs建立了理论基础，可能影响未来的神经网络设计和分析。
排序理由 学术论文，详细介绍了特定神经网络架构的理论收敛保证。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
