TruKAN: Towards More Efficient Kolmogorov-Arnold Networks Using Truncated Power Functions

Created by

Haebom

저자

Ali Bayeh, Samira Sadaoui, Malek Mouhoub

💡 개요

본 논문은 계산 효율성과 Kolmogorov-Arnold Network (KAN)의 원칙 준수 간의 절충점을 해결하기 위해, KAN 구조와 학습 가능한 활성화 함수를 기반으로 하는 새로운 아키텍처인 TruKAN을 제안합니다. TruKAN은 KAN의 B-스플라인 기저 함수를 k-차 스플라인 이론에서 파생된 절단 다항 함수로 대체하여 표현력은 유지하면서 정확도와 훈련 시간을 개선합니다.

🔑 시사점 및 한계

•

TruKAN은 절단 다항 함수를 기반으로 하여 KAN보다 더 높은 정확도와 계산 효율성을 달성합니다.

•

단순화된 기저 함수와 매듭(knot) 설정을 통해 KAN의 다른 변형 모델들보다 해석력이 뛰어납니다.

•

향후 연구에서는 TruKAN의 다양한 변형과 최적화 기법을 탐구하고, 더 복잡하고 다양한 도메인에서의 적용 가능성을 검증할 필요가 있습니다.

PDF 보기

Made with Slashpage