跳到主要内容
检索

Francesco Sovrano

1 篇关联报道

订阅更新
  1. KAN符号提取不再逐边孤立拟合:改用端到端损失选算子,Feynman任务中位测试误差最多降99.8%

    Kolmogorov–Arnold网络(KAN)的边函数可以换成符号算子,从而得到可检验的解析表达式,但常规做法是逐条边单独拟合算子,结果对初始化和参数拟合很敏感。GSR把候选算子临时插入网络、短时微调后按端到端损失择优;GMP则用可微门控在训练中学习算子偏好,再离散化并可选做短程贪心修正。在SRBench的Feynman十个目标上,单因素超参数扫描显示GSR与FastKAN+GSR在七个目标上取得最低中位测试误差,其中Feynman I.12.1上FastKAN+GSR把中位误差从9.49降到0.0212。

已读完全部报道