arXiv · ML· Anna Mishchenko (Independent researchers), Nikolai Gavrilin (Independent researchers)·· 10 天前AI 评分27
LawKAN 提出群律层:在已知物理律任务中强制结构以补偿偏差
LawKAN: Group-Law Layers for Composition -- When Imposing a Known Law Pays Off
AI 导读
LawKAN 通过嵌入非交换群律层并学习残差修正,解决已知规则下复合变换的误差累积问题。 在固定角度 SU(2) 任务中,54 参数模型比最强基线减少 27 倍参数量,精度距理论下界仅 0.05 度。 实际机器人手臂应用中,306 参数修正模型在 N≥60 时达到 1.12-1.14 mm 精度,优于高斯-牛顿法的 1.29-1.33 mm。
来源:arXiv · ML · arxiv.org