LTBs-KAN: 线性时间复杂度 B-样条 Kolmogorov-Arnold 网络
机器学习
2026-04-27 v1 计算机视觉与模式识别
神经与进化计算
摘要
Kolmogorov-Arnold 网络(KANs)是一种最近的神经网络架构，作为多层感知机(MLPs)的替代方案，具有更好的可解释性和表达能力。然而，由于B-样条函数计算的递归本质，KANs显著慢于MLPs，从而限制了其应用。本工作通过提出一种 novel 的 base-spline 线性时间复杂度 B-样条 Kolmogorov-Arnold 网络(LTBs-KAN)来解决这些问题。不同于依赖 Boor-Mansfield-Cox 插值算法或其他计算密集型数学函数的先前方法，我们的方法显著减少了计算负担。此外，我们进一步通过正负积矩阵分解在前向传播中减少模型参数，而不牺牲性能。在MNIST、Fashion-MNIST和CIFAR-10上的实验表明，LTBs-KAN 在其他KAN实现时，实现了良好的时间复杂度和参数减少，同时作为构建性架构块使用。
引用
@article{arxiv.2604.22034,
title = {LTBs-KAN: Linear-Time B-splines Kolmogorov-Arnold Networks},
author = {Eduardo Said Merin-Martinez and Andres Mendez-Vazquez and Eduardo Rodriguez-Tello},
journal= {arXiv preprint arXiv:2604.22034},
year = {2026}
}