Amirhosein Azarpour

RecKAN引入可学习递归多项式基以增强神经网络

研究人员推出了一种新颖的Kolmogorov-Arnold网络（KAN）方法RecKAN，该方法增强了其学习复杂函数的能力。与使用固定基函数的可学习函数的前代KAN变体不同，RecKAN定义了一个递归多项式基，其系数与网络一同学习。这使得RecKAN能够根据特定问题调整其基函数，超越了经典多项式族的局限性。在包括图像分类和时间序列预测在内的各种数据集上的实验表明，RecKAN在需要复杂局部结构的任务中，其性能优于现有的KAN基线和标准的MLP头。