实体
Gaussian radial basis functions
Gaussian radial basis functions
PulseAugur coverage of Gaussian radial basis functions — every cluster mentioning Gaussian radial basis functions across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
高斯KANs的准确性和可靠性得到提升
研究人员开发了一种方法，通过系统分析尺度参数\(\epsilon\)的影响来提高高斯Kolmogorov-Arnold网络（KANs）的可靠性和准确性。该研究确定了一个实用的\(\epsilon\)操作区间，可以增强第一层特征的可区分性，这对于网络的整体性能至关重要。这项研究为高斯KANs提供了一个稳定的设计规则，并证明了其在各种问题类型和维度上的有效性。
-
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。