一篇新的研究论文评估了在嵌入式RISC-V系统上，硬约束循环物理信息神经网络（HRPINNs）中Kolmogorov-Arnold网络（KANs）与传统多层感知机（MLPs）的部署成本。研究发现，尽管KANs在训练时参数效率更高，但在RISC-V RV64GC平台上部署时，其每个积分步的速度明显更慢，能耗也更高。此外，KANs在INT8量化下表现出较低的可靠性，轨迹比同类MLPs更早发散，这表明MLPs对于嵌入式HRPINN应用仍然是更稳健的选择。 AI
影响 KANs在嵌入式硬件上显示出显著的性能和能耗劣势，表明MLPs是此类应用的更实用选择。
排序理由 评估模型在特定硬件上性能的研究论文。[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 →
