Evaluating Federated Kolmogorov-Arnold Networks on Non-IID Data

要約

連邦コルモゴロフ・アーノルド・ネットワーク (F-KAN) はすでに提案されていますが、その評価は初期段階にあります。
KAN (活性化関数として B スプラインと放射基底関数を使用) と、非 IID パーティションを使用した MNIST 分類タスクでの 100 ラウンドの連合学習における同様の数のパラメーターを持つ多層パーセプトロン (MLP) との比較を示します。
クライアントは100名。
各モデルについて 15 回の試行を行った結果、MLP によって達成される最高の精度が、Spline-KAN によって半分の時間 (ラウンド単位) で達成され、計算時間はわずかに増加するだけであることがわかりました。

要約(オリジナル)

Federated Kolmogorov-Arnold Networks (F-KANs) have already been proposed, but their assessment is at an initial stage. We present a comparison between KANs (using B-splines and Radial Basis Functions as activation functions) and Multi- Layer Perceptrons (MLPs) with a similar number of parameters for 100 rounds of federated learning in the MNIST classification task using non-IID partitions with 100 clients. After 15 trials for each model, we show that the best accuracies achieved by MLPs can be achieved by Spline-KANs in half of the time (in rounds), with just a moderate increase in computing time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google