KAN-SR：一种 Kolmogorov-Arnold 网络引导的符号回归框架
机器学习
2025-09-15 v1
摘要
我们引入了一种新颖的符号回归框架，即 KAN-SR，它建立在 Kolmogorov-Arnold 网络（KAN）之上，并遵循分而治之的方法。符号回归搜索最适合给定数据集的数学方程，通常用遗传规划方法求解。我们表明，通过使用深度学习技术，更具体地说是 KAN，并将它们与平移对称性和可分离性等简化策略相结合，我们能够恢复 Feynman 符号回归科学发现（SRSD）数据集的真实方程。此外，我们表明，通过将提出的框架与神经控制微分方程相结合，我们能够精确建模计算机模拟生物过程系统的动力学，为其他工程系统的动态建模打开了大门。
引用
@article{arxiv.2509.10089,
title = {KAN-SR: A Kolmogorov-Arnold Network Guided Symbolic Regression Framework},
author = {Marco Andrea Bühler and Gonzalo Guillén-Gosálbez},
journal= {arXiv preprint arXiv:2509.10089},
year = {2025}
}