본 논문은 다층 퍼셉트론(MLP)의 학습 속도 향상을 위해 Kolmogorov-Arnold Networks (KANs)와의 관계를 활용합니다. KANs의 기저가 기하학적으로 국소적인 지지를 제공하고 ReLU 기저에서 전처리된 강하(preconditioned descent) 역할을 한다는 점을 이용하여, 다채널 MLP 구조의 계층적 개선 기법을 정의합니다. 이는 자유 매듭 스플라인 KAN 구조와 기하학적으로 세분화된 MLP의 등가성에 기반합니다. 스플라인 매듭의 1차원 위치를 가중치와 동시에 학습하여 정확도를 더욱 향상시키는 방법도 제시하며, 회귀 및 과학적 기계 학습의 다양한 벤치마크 예시를 통해 그 효과를 보여줍니다.
