CVKAN: Complex-Valued Kolmogorov-Arnold Networks

要約

この作業では、複雑な価値のあるKANであるCVKANを提案し、KANの本質的な解釈可能性と複雑な価値ニューラルネットワーク（CVNNS）の利点に参加します。
KANと必要な関連メカニズムを複雑なドメインに転送する方法を示します。
CVKANが期待を満たしていることを確認するために、象徴的な複雑な関数フィッティングと物理的に意味のある式、およびKnot理論からのより現実的なデータセットで実験を実施します。
提案されているCVKANはより安定しており、より少ないパラメーターとより浅いネットワークアーキテクチャを必要としながら、実質的に価値のあるKANよりもPARまたは優れたパフォーマンスを発揮し、説明しやすくします。

要約(オリジナル)

In this work we propose CVKAN, a complex-valued KAN, to join the intrinsic interpretability of KANs and the advantages of Complex-Valued Neural Networks (CVNNs). We show how to transfer a KAN and the necessary associated mechanisms into the complex domain. To confirm that CVKAN meets expectations we conduct experiments on symbolic complex-valued function fitting and physically meaningful formulae as well as on a more realistic dataset from knot theory. Our proposed CVKAN is more stable and performs on par or better than real-valued KANs while requiring less parameters and a shallower network architecture, making it more explainable.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google