P1-KAN：一种用于水力山谷优化的有效Kolmogorov-Arnold网络
机器学习
2026-05-05 v5 神经与进化计算
机器学习
摘要
提出一种新的Kolmogorov-Arnold网络（KAN），用于逼近高维函数中的可能不规则函数。我们在假设Kolmogorov-Arnold展开函数足够光滑的前提下，提供了误差界；当函数仅为连续函数时，我们也提供了普遍逼近定理。我们表明它在准确性和收敛速度方面优于多层感知机。我们还将其与几种提出的KAN网络进行比较：对于不规则函数，它在所有网络中都表现更好；对于光滑函数，它与原始基于样条的KAN网络实现了相似的精度。最后，我们将一些KAN网络用于法国某水力山谷的优化。
引用
@article{arxiv.2410.03801,
title = {P1-KAN: an effective Kolmogorov-Arnold network with application to hydraulic valley optimization},
author = {Xavier Warin},
journal= {arXiv preprint arXiv:2410.03801},
year = {2026}
}