Amir Noorizadegan Ph.D.

自适应RBF-KAN通过新的核函数和数据驱动的形状参数提高了效率

研究人员开发了一种名为自适应RBF-KAN的Kolmogorov-Arnold网络（KANs）的增强版本，提高了计算效率和灵活性。这种新方法用更广泛的核函数族（包括Matérn和Wendland类型）取代了FastKAN中使用的固定高斯径向基函数。自适应RBF-KAN利用留一法交叉验证对核形状参数进行数据驱动的初始化，并在网络训练期间进一步优化。在基准函数上的评估证明了自适应核选择和形状参数对于各种数据模式的有效性。