seqKAN：基于Kolmogorov-Arnold网络的序列处理
机器学习
2025-02-21 v1 人工智能
摘要
Kolmogorov-Arnold 网络（KANs）最近提出作为一种比多层感知器更具可解释性和可控性的机器学习框架。针对不同任务和应用领域，已提出 various network architectures within the KAN framework，包括序列处理。本文提出 seqKAN，一种用于序列处理的新型 KAN 架构。尽管已有多种序列处理 KAN 架构被提出，但我们认为 seqKAN 更忠实于 KAN 框架的核心概念。此外，我们经验性地演示它取得更好的结果。经验评估在复杂物理问题上生成的数据进行插值和外推任务。使用该数据集，我们将 seqKAN 与先前的 KAN 网络进行 timeseries 预测、循环深度网络和符号回归进行比较。seqKAN 在所有架构中表现最佳，尤其在外推数据集上，同时也是最透明的。
引用
@article{arxiv.2502.14681,
title = {seqKAN: Sequence processing with Kolmogorov-Arnold Networks},
author = {Tatiana Boura and Stasinos Konstantopoulos},
journal= {arXiv preprint arXiv:2502.14681},
year = {2025}
}