splines

新的KANs学习边缘几何以改进符号回归

研究人员引入了一类新的神经网络，称为几何约束Kolmogorov-Arnold网络（KANs）。这些网络通过标量指数学习边缘几何，比使用样条或多项式等固定基数的现有KAN变体提供了更灵活的方法。新方法，特别是Banach-KAN，在50个符号回归目标上展示了具有竞争力或更优越的性能，尤其是在测量噪声和少样本情况下。学习到的指数也提供了关于方程几何排序的可解释信号。