概率 Kolmogorov-Arnold 网络
机器学习
2024-10-10 v7
摘要
Kolmogorov-Arnold 网络（KAN）是一种基于任意连续多元函数可由单变量函数复合表示的回归模型。回归模型的实验所得数据集通常包含不确定性，某些情况下不可忽略。对此的常规做法是除输出期望值外，还对系统输出建模置信区间。然而此类信息可能不充分，某些情况下研究者旨在获得输出的概率分布。本文提出一种在偶然不确定性下（即同一输入每次实验产生不同输出的系统）估计输出概率分布的方法。所提方法涵盖输入依赖的输出概率分布，并能捕捉多模态性以及分布类型随输入的变化。尽管该方法适用于任意回归模型，本文将其与 KANs 结合，因 KANs 的特定结构可带来计算高效的模型构建。源代码已在线公开。
引用
@article{arxiv.2104.01714,
title = {Probabilistic Kolmogorov-Arnold Network},
author = {Andrew Polar and Michael Poluektov},
journal= {arXiv preprint arXiv:2104.01714},
year = {2024}
}