LArctan-SKAN：使用可学习三角函数的简单高效单参数Kolmogorov-Arnold网络
人工智能
2026-01-22 v2
摘要
本文提出了一种利用由三角函数构建的单参数函数（SFunc）来设计单参数Kolmogorov-Arnold网络（SKAN）的新方法。我们开发了三种新的SKAN变体：LSin-SKAN、LCos-SKAN和LArctan-SKAN。在MNIST数据集上的实验验证表明，LArctan-SKAN在准确率和计算效率方面均表现出色。具体而言，LArctan-SKAN显著提高了测试集准确率，优于所有被比较的纯KAN变体，包括FourierKAN、LSS-SKAN和Spl-KAN。在准确率方面，它也超过了混合的基于MLP的模型，如MLP+rKAN和MLP+fKAN。此外，LArctan-SKAN展现出卓越的计算效率，与MLP+rKAN和MLP+fKAN相比，训练速度分别提升了535.01%和49.55%。这些结果证实了使用三角函数构建的SKAN的有效性和潜力。实验代码可在https://github.com/chikkkit/LArctan-SKAN获取。
引用
@article{arxiv.2410.19360,
title = {LArctan-SKAN: Simple and Efficient Single-Parameterized Kolmogorov-Arnold Networks using Learnable Trigonometric Function},
author = {Zhijie Chen and Xinglin Zhang},
journal= {arXiv preprint arXiv:2410.19360},
year = {2026}
}
备注
This work has been merged into and superseded by a comprehensive version available at arXiv:2410.14951. Please cite and refer to arXiv:2410.14951 for the complete study, which includes the methods and results originally presented here