模型比较：XNet 超越 KAN
机器学习
2024-10-04 v1 人工智能
摘要
在计算数学和人工智能领域，精确的数据建模尤为关键，尤其是对于预测性机器学习任务。本文进一步探讨了 XNet，这是一种新型算法，采用复变 Cauchy 积分公式，提供了超越传统多层感知器 (MLP) 和 Kolmogorov-Arnold 网络 (KAN) 的更优网络架构。XNet 在低维和高维空间中的各种任务中显著提升了速度和准确度，重新定义了数据驱动模型开发的范围，并在各种经典时间序列模型（如 LSTM）之上提供了实质性的改进。
引用
@article{arxiv.2410.02033,
title = {Model Comparisons: XNet Outperforms KAN},
author = {Xin Li and Zhihong Jeff Xia and Xiaotao Zheng},
journal= {arXiv preprint arXiv:2410.02033},
year = {2024}
}