PulseAugur
中
实时 11:14:26
English(EN) KAN-MLP-Mixer: A comprehensive investigation of the usage of Kolmogorov-Arnold Networks (KANs) for improving IMU-based Human Activity Recognition

混合KAN-MLP模型提高了人类活动识别的准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种混合神经网络架构KAN-MLP-Mixer，它将Kolmogorov-Arnold网络（KANs）的精确性与多层感知器（MLPs）的噪声鲁棒性和效率相结合。该方法战略性地整合了KAN模块用于输入嵌入和分类，同时利用MLPs进行中间特征混合。在八个公共数据集上进行测试，KAN-MLP模型在宏F1分数上比纯MLP模型平均提高了5.33%，显著优于独立的KAN和MLP基线。 AI

影响 这种混合架构为使用可穿戴传感器的活动识别任务提供了更高的准确性和鲁棒性。

排序理由 这是一篇详细介绍新型混合神经网络架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Mengxi Liu, Sizhen Bian, Vitor Fortes, Francisco Calatrava Nicolas, Daniel Gei{\ss}ler, Maximilian Kiefer-Emmanouilidis, Bo Zhou, Paul Lukowicz ·

    KAN-MLP-Mixer: A comprehensive investigation of the usage of Kolmogorov-Arnold Networks (KANs) for improving IMU-based Human Activity Recognition

    arXiv:2605.19031v2 Announce Type: replace Abstract: Kolmogorov-Arnold Networks (KANs) have demonstrated an exceptional ability to learn complex functions on clean, low-dimensional data but struggle to maintain performance on noisy and imperfect real-world datasets. In contrast, c…

相关实体

相关话题