HKAN：无需反向传播的层次化Kolmogorov-Arnold网络
机器学习
2026-01-21 v2 人工智能
摘要
本文介绍了层次化Kolmogorov-Arnold网络（HKAN），一种新型网络架构，为最近提出的Kolmogorov-Arnold网络（KAN）提供了具竞争力的替代方案。不同于KAN依赖于反向传播，HKAN采用随机化学习方法，其中基函数参数固定，线性聚合使用最小二乘回归进行优化。HKAN利用层次化多堆叠框架，每一层通过解决一系列线性回归问题来细化前一层的预测。这种非迭代训练方法简化了计算，消除了对损失函数局部极小值的敏感性。实验结果表明，HKAN 在各种回归任务上实现了与KAN相当，甚至优于KAN的精度和稳定性，同时提供了变量重要性的洞察。该方法无缝整合了理论见解与实际应用，为神经网络建模提供了稳健且高效的替代方案。
引用
@article{arxiv.2501.18199,
title = {HKAN: Hierarchical Kolmogorov-Arnold Network without Backpropagation},
author = {Grzegorz Dudek and Tomasz Rodak},
journal= {arXiv preprint arXiv:2501.18199},
year = {2026}
}
备注
16 pages, 9 figures