PulseAugur
中
实时 16:57:32
English(EN) Posterior Contraction Rates for Sparse Kolmogorov-Arnold Networks in Anisotropic Besov Spaces

贝叶斯KAN在新的理论中实现了接近minimax的速率

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员为稀疏贝叶斯Kolmogorov-Arnold网络（KANs）开发了一个理论框架。他们的工作为KANs奠定了统计基础，证明了这些网络可以实现接近minimax的后验收缩率。分析表明，KANs可以通过控制宽度和参数稀疏性（而非深度）来控制近似复杂度，从而适应未知的函数平滑度并避免维度灾难。 AI

影响 为KANs提供了理论基础，可能影响未来的神经网络架构及其统计分析。

排序理由 该集群包含一篇详细介绍贝叶斯神经网络理论进展的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

贝叶斯KAN在新的理论中实现了接近minimax的速率

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Jeunghun Oh, Kyeongwon Lee, Jaeyong Lee, Lizhen Lin ·

    Posterior Contraction Rates for Sparse Kolmogorov-Arnold Networks in Anisotropic Besov Spaces

    arXiv:2605.11652v1 Announce Type: new Abstract: We study posterior contraction rates for sparse Bayesian Kolmogorov-Arnold networks (KANs) over anisotropic Besov spaces, providing a statistical foundation of KANs from a Bayesian point of view. We show that sparse Bayesian KANs eq…

  2. arXiv stat.ML TIER_1 English(EN) · Lizhen Lin ·

    Posterior Contraction Rates for Sparse Kolmogorov-Arnold Networks in Anisotropic Besov Spaces

    We study posterior contraction rates for sparse Bayesian Kolmogorov-Arnold networks (KANs) over anisotropic Besov spaces, providing a statistical foundation of KANs from a Bayesian point of view. We show that sparse Bayesian KANs equipped with spike-and-slab-type sparsity priors …

相关实体

相关话题