arXiv · ML· Arsha Farnoush, Amirhossein Sadr, Aida Pakniyat, Dara Rahmati, Saeid Gorgin, Kourosh Parand·· 7 小时前AI 评分26
FHKAN: 分数阶 Hermite Kolmogorov-Arnold 网络用于数据驱动与物理信息学习
FHKAN: Fractional Hermite Kolmogorov-Arnold Networks for Data-Driven and Physics-Informed Learning
AI 导读
研究人员提出 FHKAN 架构，用可训练的分数阶广义 Hermite 基替代 Chebyshev 多项式，使 KAN 能在无界预激活上直接作用而无需饱和映射。 在合成回归、图像分类及物理信息问题（如 Lane-Emden 方程）中，FHKAN 展现出最低的测试误差或达到 10^-6 到 10^-5 量级的平均绝对误差。
来源：arXiv · ML · arxiv.org