論文の概要: Kolmogorov-Arnold Networks: A Critical Assessment of Claims, Performance, and Practical Viability

• arxiv url: http://arxiv.org/abs/2407.11075v8
• Date: Sun, 14 Sep 2025 09:09:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 15:23:15.830248
• Title: Kolmogorov-Arnold Networks: A Critical Assessment of Claims, Performance, and Practical Viability
• Title（参考訳）: Kolmogorov-Arnold Networks: クレーム,パフォーマンス,実用性に対する批判的評価
• Authors: Yuntian Hou, Tianrui Ji, Di Zhang, Angelos Stefanidis,
• Abstract要約: Kolmogorov-Arnold Networks (KAN) は、従来の多層パーセプトロンに代わるものとして注目されている。 しかし、近年の体系的な評価は、理論的主張と経験的証拠の間にはかなりの相違が見られる。
• 参考スコア（独自算出の注目度）: 5.871394981352996
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Kolmogorov-Arnold Networks (KANs) have gained significant attention as an alternative to traditional multilayer perceptrons, with proponents claiming superior interpretability and performance through learnable univariate activation functions. However, recent systematic evaluations reveal substantial discrepancies between theoretical claims and empirical evidence. This critical assessment examines KANs' actual performance across diverse domains using fair comparison methodologies that control for parameters and computational costs. Our analysis demonstrates that KANs outperform MLPs only in symbolic regression tasks, while consistently underperforming in machine learning, computer vision, and natural language processing benchmarks. The claimed advantages largely stem from B-spline activation functions rather than architectural innovations, and computational overhead (1.36-100x slower) severely limits practical deployment. Furthermore, theoretical claims about breaking the "curse of dimensionality" lack rigorous mathematical foundation. We systematically identify the conditions under which KANs provide value versus traditional approaches, establish evaluation standards for future research, and propose a priority-based roadmap for addressing fundamental limitations. This work provides researchers and practitioners with evidence-based guidance for the rational adoption of KANs while highlighting critical research gaps that must be addressed for broader applicability.
• Abstract（参考訳）: Kolmogorov-Arnold Networks (KANs) は従来の多層パーセプトロンの代替として注目されており、学習可能な単変量活性化関数を通じて優れた解釈性と性能を主張している。 しかし、近年の体系的な評価は、理論的主張と経験的証拠の間にはかなりの相違が見られる。 この批判的評価は、パラメータと計算コストを制御する公正な比較手法を用いて、さまざまな領域にわたるkansの実際のパフォーマンスを検証する。 解析の結果、KANSAはシンボル回帰タスクでのみMLPを上回り、機械学習、コンピュータビジョン、自然言語処理ベンチマークでは一貫してパフォーマンスが劣っていることがわかった。 主張されている利点は、アーキテクチャの革新よりもB-スプラインのアクティベーション機能によるもので、計算オーバーヘッド(1.36-100倍遅い)は実用的配備を著しく制限した。 さらに、「次元の帰結」を破る理論的な主張は厳密な数学的基礎を欠いている。 我々は,KAが従来のアプローチに対して価値を提供する条件を体系的に特定し,今後の研究のための評価基準を確立するとともに,基本的制約に対処するための優先順位に基づくロードマップを提案する。 この研究は、研究者や実践者に、より広い適用性のために対処しなければならない重要な研究ギャップを強調しながら、カンの合理的な採用のための証拠に基づくガイダンスを提供する。

関連論文リスト

• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• A Survey on Kolmogorov-Arnold Network [0.0]
  Kolmogorov-Arnold Networks(KAN)の理論的基礎、進化、応用、そして将来の可能性 Kanは、固定活性化関数の代わりに学習可能なスプラインパラメータ化関数を使用することで、従来のニューラルネットワークと区別する。 本稿では,最近のニューラルアーキテクチャにおけるkanの役割を強調し,データ集約型アプリケーションにおける計算効率,解釈可能性,拡張性を改善するための今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-11-09T05:54:17Z)
• An Adaptive Framework for Generating Systematic Explanatory Answer in Online Q&A Platforms [62.878616839799776]
  質問応答(QA)性能を向上させるために設計された,革新的なフレームワークであるSynthRAGを提案する。 SynthRAGは動的コンテンツの構造化に適応的なアウトラインを用いることで従来のモデルを改善する。 Zhihuプラットフォーム上のオンラインデプロイメントでは、SynthRAGの回答が注目すべきユーザエンゲージメントを実現していることが明らかになった。
  論文  参考訳（メタデータ） (2024-10-23T09:14:57Z)
• Integrating Symbolic Neural Networks with Building Physics: A Study and Proposal [1.160352509486639]
  Kolmogorov-Arnold Networks (KAN)のようなシンボリックニューラルネットワークは、事前知識とデータ駆動手法を統合する上で有望なアプローチを提供する。 本研究では, 予測モデリング, 知識発見, 連続学習に焦点をあて, 物理学構築におけるkanの適用について検討する。
  論文  参考訳（メタデータ） (2024-10-20T08:30:19Z)
• Dynamic Few-Shot Learning for Knowledge Graph Question Answering [3.116231004560997]
  大規模言語モデルが知識グラフ(KGQA)に対する革新的質問回答の機会を提示する このギャップを埋めるために、ファインチューニングやアドホックなアーキテクチャに依存し、良い結果を得るが、領域外分布の一般化は限られるソリューションが提案されている。 本研究では,DFL(Dynamic Few-Shot Learning)と呼ばれる新しい手法を提案する。 DFLは、文脈内学習の効率性と意味的類似性を統合し、最先端の性能を持つKGQAの一般的なソリューションを提供する。
  論文  参考訳（メタデータ） (2024-07-01T15:59:17Z)
• Towards Learning Foundation Models for Heuristic Functions to Solve Pathfinding Problems [12.990207889359402]
  パスフィニング問題は、ロボティクス、計算科学、自然科学などに見られる。 これらの問題を解決するには、新しい問題領域ごとにディープニューラルネットワーク(DNN)をトレーニングする必要がある。 本研究では,新しいドメインにシームレスに適応する関数の訓練に深層強化学習を活用する新しい基礎モデルを提案する。
  論文  参考訳（メタデータ） (2024-06-01T16:18:20Z)
• Defining Neural Network Architecture through Polytope Structures of Dataset [53.512432492636236]
  本稿では, ニューラルネットワーク幅の上下境界を定義し, 問題となるデータセットのポリトープ構造から情報を得る。 本研究では,データセットのポリトープ構造を学習したニューラルネットワークから推定できる逆条件を探索するアルゴリズムを開発した。 MNIST、Fashion-MNIST、CIFAR10といった一般的なデータセットは、顔の少ない2つ以上のポリトップを用いて効率的にカプセル化できることが確立されている。
  論文  参考訳（メタデータ） (2024-02-04T08:57:42Z)
• Enhancing Human-like Multi-Modal Reasoning: A New Challenging Dataset and Comprehensive Framework [51.44863255495668]
  マルチモーダル推論は、人間のような知性を示す人工知能システムの追求において重要な要素である。 提案するマルチモーダル推論(COCO-MMR)データセットは,オープンエンド質問の集合を包含する新しいデータセットである。 画像とテキストエンコーダを強化するために,マルチホップ・クロスモーダル・アテンションや文レベルのコントラスト学習などの革新的な手法を提案する。
  論文  参考訳（メタデータ） (2023-07-24T08:58:25Z)
• From NeurODEs to AutoencODEs: a mean-field control framework for width-varying Neural Networks [68.8204255655161]
  本稿では,動的に駆動する制御フィールドをベースとした,AutoencODEと呼ばれる新しいタイプの連続時間制御システムを提案する。 損失関数が局所凸な領域では,多くのアーキテクチャが復元可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-05T13:26:17Z)
• Universal approximation property of invertible neural networks [76.95927093274392]
  Invertible Neural Network (INN) は、設計によって可逆性を持つニューラルネットワークアーキテクチャである。 その可逆性とヤコビアンのトラクタビリティのおかげで、IGNは確率的モデリング、生成的モデリング、表現的学習など、さまざまな機械学習応用がある。
  論文  参考訳（メタデータ） (2022-04-15T10:45:26Z)
• Polynomial-Spline Neural Networks with Exact Integrals [0.0]
  我々は,実験モデルの混合と自由結び目B1-スプライン基底関数を組み合わせた新しいニューラルネットワークアーキテクチャを開発した。 我々のアーキテクチャは近似理論から期待される収束率での回帰問題に対する$h$-および$p$-の洗練を示す。 ネットワークアーキテクチャの一貫性と正確な統合性を示す様々な回帰問題と変分問題において、我々のネットワークの成功を実証する。
  論文  参考訳（メタデータ） (2021-10-26T22:12:37Z)
• Local Propagation in Constraint-based Neural Network [77.37829055999238]
  ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。 本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
  論文  参考訳（メタデータ） (2020-02-18T16:47:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。