F-KANs: Federated Kolmogorov-Arnold Networks

要約

この論文では、分類タスクにコルモゴロフ・アーノルド・ネットワーク (KAN) を利用する革新的な連合学習 (FL) アプローチを紹介します。
統合フレームワークで KAN の適応アクティベーション機能を利用することで、プライバシーを保護しながら分類機能を向上させることを目指しています。
この研究では、分類タスクにおけるフェデレーション KAN (F-KAN) のパフォーマンスを従来の多層パーセプトロン (MLP) と比較して評価しています。
その結果、F-KANs モデルは、精度、精度、再現率、F1 スコア、安定性の点でフェデレーテッド MLP モデルを大幅に上回り、より優れたパフォーマンスを達成し、より効率的でプライバシーを保護する予測分析への道を開くことが示されました。

要約(オリジナル)

In this paper, we present an innovative federated learning (FL) approach that utilizes Kolmogorov-Arnold Networks (KANs) for classification tasks. By utilizing the adaptive activation capabilities of KANs in a federated framework, we aim to improve classification capabilities while preserving privacy. The study evaluates the performance of federated KANs (F- KANs) compared to traditional Multi-Layer Perceptrons (MLPs) on classification task. The results show that the F-KANs model significantly outperforms the federated MLP model in terms of accuracy, precision, recall, F1 score and stability, and achieves better performance, paving the way for more efficient and privacy-preserving predictive analytics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google