基于Kolmogorov-Arnold网络的柔性电动水动力泵预测建模
机器学习
2024-12-31 v2 机器人学
符号计算
摘要
我们提出了一种新颖的方法，用于预测柔性电动水动力泵的压力和流量。受Kolmogorov-Arnold表示定理启发，KAN网络以可学习的样条函数激活函数取代固定激活函数，使其能够比传统模型（如多层感知器和随机森林）更有效地逼近复杂非线性函数。我们对KAN在柔性EHD泵参数数据集上进行评估，并将其性能与RF和MLP模型进行了比较。KAN在压力和流量预测方面的均方误差分别为12.186和0.001，预测精度显著优于其他模型。从KAN中提取的符号公式提供了关于输入参数与泵性能之间非线性关系的洞见。这些发现表明，KAN在预测建模中展现出卓越的精度和可解释性，为电动水动力泵的预测建模提供了有前景的替代方案。
引用
@article{arxiv.2405.07488,
title = {Predictive Modeling of Flexible EHD Pumps using Kolmogorov-Arnold Networks},
author = {Yanhong Peng and Yuxin Wang and Fangchao Hu and Miao He and Zebing Mao and Xia Huang and Jun Ding},
journal= {arXiv preprint arXiv:2405.07488},
year = {2024}
}