SINDy-KANs：通过Kolmogorov-Arnold网络进行稀疏非线性动力学识别
机器学习
2026-03-20 v1
摘要
Kolmogorov-Arnold 网络 (KANs) 作为一种可能增强机器学习可解释性的方法而逐渐流行。然而，KANs 学习到的解不一定具有稀疏或简洁的可解释性。稀疏非线性动力学识别 (SINDy) 是一种互补方法，可从数据中学习稀疏动力学方程；但所学方程受限于函数库。本文提出 SINDy-KANs，通过同时训练 KANs 和类似 SINDy 的表示，使 KANs 表示更具可解释性。方法在每个激活函数级别上应用 SINDy，同时保持通过深度 KANs 实现的函数组合可能性。我们将该方法应用于若干符号回归任务，包括动力学系统，以展示在广泛系统范围内的准确方程发现能力。
引用
@article{arxiv.2603.18548,
title = {SINDy-KANs: Sparse identification of non-linear dynamics through Kolmogorov-Arnold networks},
author = {Amanda A. Howard and Nicholas Zolman and Bruno Jacob and Steven L. Brunton and Panos Stinis},
journal= {arXiv preprint arXiv:2603.18548},
year = {2026}
}