Predictive Modeling of Flexible EHD Pumps using Kolmogorov-Arnold Networks

要約

コルモゴロフ・アーノルドネットワークを使用して、フレキシブル電気流体力学ポンプの圧力と流量を予測する新しいアプローチを紹介します。
コルモゴロフ-アーノルドの表現定理に触発された KAN は、固定活性化関数を学習可能なスプラインベースの活性化関数に置き換え、多層パーセプトロンやランダム フォレストなどの従来のモデルよりも効率的に複雑な非線形関数を近似できるようにします。
柔軟な EHD ポンプ パラメータのデータセットに基づいて KAN を評価し、そのパフォーマンスを RF および MLP モデルと比較しました。
KAN は、圧力予測と流量予測の平均二乗誤差がそれぞれ 12.186 と 0.001 という優れた予測精度を達成しました。
KAN から抽出された記号式により、入力パラメータとポンプ性能の間の非線形関係についての洞察が得られました。
これらの発見は、KAN が優れた精度と解釈可能性を提供し、電気流体力学的ポンピングにおける予測モデリングの有望な代替手段となることを示しています。

要約(オリジナル)

We present a novel approach to predicting the pressure and flow rate of flexible electrohydrodynamic pumps using the Kolmogorov-Arnold Network. Inspired by the Kolmogorov-Arnold representation theorem, KAN replaces fixed activation functions with learnable spline-based activation functions, enabling it to approximate complex nonlinear functions more effectively than traditional models like Multi-Layer Perceptron and Random Forest. We evaluated KAN on a dataset of flexible EHD pump parameters and compared its performance against RF, and MLP models. KAN achieved superior predictive accuracy, with Mean Squared Errors of 12.186 and 0.001 for pressure and flow rate predictions, respectively. The symbolic formulas extracted from KAN provided insights into the nonlinear relationships between input parameters and pump performance. These findings demonstrate that KAN offers exceptional accuracy and interpretability, making it a promising alternative for predictive modeling in electrohydrodynamic pumping.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google