F-KANs: 联邦 Kolmogorov-Arnold 网络
机器学习
2024-11-12 v3 人工智能
密码学与安全
网络与互联网体系结构
摘要
本文提出了一种创新的联邦学习方法，利用 Kolmogorov-Arnold 网络（KANs）进行分类任务。通过在联邦框架内利用 KANs 的自适应激活能力，我们旨在提高分类性能同时保持隐私。本研究评估了联邦 KANs（F-KANs）相对于传统多层感知器（MLPs）在分类任务中的性能。结果表明，F-KANs 模型在准确率、精确率、召回率、F1 分数和稳定性方面显著优于联邦 MLP 模型，实现了更好的性能，为更高效且注重隐私的预测分析铺平了道路。
引用
@article{arxiv.2407.20100,
title = {F-KANs: Federated Kolmogorov-Arnold Networks},
author = {Engin Zeydan and Cristian J. Vaca-Rubio and Luis Blanco and Roberto Pereira and Marius Caus and Abdullah Aydeger},
journal= {arXiv preprint arXiv:2407.20100},
year = {2024}
}
备注
This work has been accepted to 1st International Workshop on Distributed AI for Enhanced Wireless Networks (DAINET'25) in conjunction with IEEE Consumer Communications & Networking Conference 2025. Related Code: https://github.com/ezeydan/F-KANs.git