X-KAN: Optimizing Local Kolmogorov-Arnold Networks via Evolutionary Rule-Based Machine Learning
Created by
Haebom
저자
Hiroki Shiraishi, Hisao Ishibuchi, Masaya Nakata
개요
X-KAN은 복잡하거나 불연속적인 함수 근사 문제를 해결하기 위해 제안된 새로운 방법입니다. 기존 신경망 방식과 달리, 전체 문제 공간을 하나의 전역 모델로 다루는 대신, 다수의 지역 Kolmogorov-Arnold Network (KAN)을 진화적 규칙 기반 머신러닝 프레임워크인 XCSF를 통해 최적화합니다. 각 지역 KAN 모델은 XCSF 규칙의 결과 부분으로 구현되고, 지역 영역은 규칙의 선행 부분으로 정의됩니다. 인공적인 테스트 함수와 실제 데이터셋에 대한 실험 결과, X-KAN은 XCSF, 다층 퍼셉트론, KAN을 포함한 기존 방법들보다 근사 정확도 면에서 뛰어난 성능을 보였습니다. 특히, 기존 KAN이 어려움을 겪는 지역적으로 복잡하거나 불연속적인 구조의 함수를 효율적으로 처리하며, 적은 수의 규칙 (평균 7.2 ± 2.3개)을 사용합니다. 이는 정확도와 일반성 모두를 기반으로 규칙의 적합도를 평가하는 XCSF에서 KAN을 지역 모델로 사용하는 효과를 입증합니다. X-KAN 구현은 https://github.com/YNU-NakataLab/X-KAN 에서 이용 가능합니다.
