KAN-MLP-Mixer: A comprehensive investigation of the usage of Kolmogorov-Arnold Networks (KANs) for improving IMU-based Human Activity Recognition

작성자

Haebom

카테고리

비어 있음

저자

Mengxi Liu, Sizhen Bian, Vitor Fortes, Francisco Calatrava Nicolas, Daniel Gei{\ss}ler, Maximilian Kiefer-Emmanouilidis, Bo Zhou, Paul Lukowicz

💡 개요

본 논문은 관절-아놀드 네트워크(KAN)가 깨끗한 저차원 데이터에서는 뛰어난 성능을 보이지만 실제 노이즈가 많은 데이터에서는 성능이 저하되는 문제점을 지적합니다. 이에 대한 해결책으로, KAN의 정밀성과 MLP의 노이즈 강건성 및 효율성을 결합한 하이브리드 KAN-MLP 구조를 제안합니다. 제안된 모델은 KAN 기반 입력 임베딩, MLP 기반 중간 특징 혼합, 그리고 LartctanKAN 모듈을 활용한 최종 분류를 통해 IMU 기반 인간 활동 인식(HAR) 성능을 크게 향상시킵니다.

🔑 시사점 및 한계

•

KAN의 강력한 함수 학습 능력을 활용하면서도 실제 데이터의 노이즈와 계산 효율성 문제를 극복하기 위해 MLP와의 전략적 결합이 필수적임을 보여줍니다.

•

KAN, MLP 등 기존 신경망 구성 요소들을 신중하게 조합하는 것이 실제 웨어러블 센싱 환경에서 더욱 강건하고 정확한 HAR 모델을 만드는 효과적인 방법임을 입증합니다.

•

제안된 하이브리드 구조는 다양한 최신 HAR 아키텍처에 통합되어 성능을 일관되게 향상시키는 범용성을 가집니다.

•

KAN 모듈의 최적 배치 및 특정 LartctanKAN 모듈의 효과는 실험적으로 입증되었으나, 다양한 노이즈 패턴 및 데이터 특성에 대한 KAN과 MLP의 상호작용을 더욱 심층적으로 분석하고, 다른 종류의 신경망 요소와의 조합 가능성을 탐색하는 연구가 필요합니다.

PDF 보기

Slashpage로 제작됨