Fugu-MT 論文翻訳(概要): CVKAN: Complex-Valued Kolmogorov-Arnold Networks

論文の概要: CVKAN: Complex-Valued Kolmogorov-Arnold Networks

arxiv url: http://arxiv.org/abs/2502.02417v3
Date: Tue, 22 Apr 2025 15:09:46 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-23 19:51:40.218581
Title: CVKAN: Complex-Valued Kolmogorov-Arnold Networks
Title（参考訳）: CVKAN:複雑な価値を持つコルモゴロフ・アルノルドネットワーク
Authors: Matthias Wolff, Florian Eilers, Xiaoyi Jiang,
Abstract要約: 複素値を持つコルモゴロフ・アルノルドネットワークを複素領域に転送する方法を示す。提案するCVKANは,より安定しており,実数値のKANよりも同等以上の性能を示す。
参考スコア（独自算出の注目度）: 6.095572174539791
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work we propose CVKAN, a complex-valued Kolmogorov-Arnold Network (KAN), to join the intrinsic interpretability of KANs and the advantages of Complex-Valued Neural Networks (CVNNs). We show how to transfer a KAN and the necessary associated mechanisms into the complex domain. To confirm that CVKAN meets expectations we conduct experiments on symbolic complex-valued function fitting and physically meaningful formulae as well as on a more realistic dataset from knot theory. Our proposed CVKAN is more stable and performs on par or better than real-valued KANs while requiring less parameters and a shallower network architecture, making it more explainable.
Abstract（参考訳）: 本研究では,Kanの内在的解釈可能性と複素値ニューラルネットワーク(CVNN)の利点に寄与する,複素数値のコルモゴロフ・アルノルドネットワーク(KAN)であるCVKANを提案する。我々は、kanとその必要な関連メカニズムを複雑なドメインに転送する方法を示す。 CVKANが期待に応えたことを確かめるために、我々は記号的な複素値関数の適合と物理的に意味のある公式、および結び目理論によるより現実的なデータセットの実験を行う。提案するCVKANは,パラメータが小さく,ネットワークアーキテクチャも浅いため,より説明しやすい。

関連論文リスト

Hybrid Real- and Complex-valued Neural Network Architecture [2.6739705603496327]
本稿では,実数値処理の計算効率と複素数値データを扱う能力を組み合わせることを目的として,HNNアーキテクチャを提案する。 AudioMNISTデータセットによる実験では、HNNはクロスエントロピー損失を低減し、考慮されたすべてのケースでRVNNと比較してパラメータを消費する。
論文参考訳（メタデータ） (2025-04-04T14:52:44Z)
PRKAN: Parameter-Reduced Kolmogorov-Arnold Networks [47.947045173329315]
Kolmogorov-Arnold Networks (KAN) は、ニューラルネットワークアーキテクチャの革新を象徴している。 Kansは、CNN、Recurrent Reduced Networks(RNN)、Transformerなどのモデルで、MLP(Multi-Layer Perceptrons)に代わる魅力的な代替手段を提供する。本稿では,階層内のパラメータ数を削減するために複数の手法を用いたPRKANを導入し,ニューラルM層に匹敵する手法を提案する。
論文参考訳（メタデータ） (2025-01-13T03:07:39Z)
KAE: Kolmogorov-Arnold Auto-Encoder for Representation Learning [2.6713407440802253]
Kolmogorov-Arnold Network (KAN)は、最近、従来の多層パーセプトロン(MLP)の代替として注目されている。本稿では,KAE(Kolmogorov-Arnold AutoEncoder)について紹介する。ベンチマークデータセットの実験では、KAEは遅延表現の品質を改善し、再構成エラーを低減し、下流タスクで優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-12-31T12:49:03Z)
KANICE: Kolmogorov-Arnold Networks with Interactive Convolutional Elements [1.663204995903499]
コンボリューショナルニューラルネットワーク(CNN)とコルモゴロフ・アルノルドネットワーク(KAN)の原理を組み合わせた,新しいニューラルネットワークアーキテクチャであるKanICEを紹介する。 KanICEはInteractive Convolutional Blocks (ICB) と Kan の線形層を CNN フレームワークに統合する。 MNIST, Fashion-MNIST, EMNIST, SVHNの4つのデータセットを用いて,KanICEの評価を行った。
論文参考訳（メタデータ） (2024-10-22T16:50:34Z)
Kolmogorov-Arnold Network Autoencoders [0.0]
Kolmogorov-Arnold Networks (KAN)はMulti-Layer Perceptrons (MLP)に代わる有望な代替品である。カンはコルモゴロフ・アルノルドの表現定理と密接に一致し、モデル精度と解釈可能性の両方を高める可能性がある。この結果から,kanベースのオートエンコーダは復元精度の点で競争力を発揮することが示された。
論文参考訳（メタデータ） (2024-10-02T22:56:00Z)
Kolmogorov-Smirnov GAN [52.36633001046723]
我々は、KSGAN(Kolmogorov-Smirnov Generative Adversarial Network)という新しい深層生成モデルを提案する。既存のアプローチとは異なり、KSGANはKS距離の最小化として学習プロセスを定式化している。
論文参考訳（メタデータ） (2024-06-28T14:30:14Z)
Convolutional Kolmogorov-Arnold Networks [41.94295877935867]
我々はConvolutional Kolmogorov-Arnold Networks(KANs)を紹介する。 Kanは従来の固定重カーネルを学習可能な非線形関数に置き換える。我々は、Fashion-MNISTデータセット上でConvolutional Kansを評価し、ベースラインCNNと比較して最大50%少ないパラメータで競合精度を実証した。
論文参考訳（メタデータ） (2024-06-19T02:09:44Z)
Smooth Kolmogorov Arnold networks enabling structural knowledge representation [0.0]
Kolmogorov-Arnold Networks (KAN) は、従来のマルチ層パーセプトロン(MLP)アーキテクチャに代わる、効率的かつ解釈可能な代替手段を提供する。固有の構造的知識を活用することで、カンは訓練に必要なデータを減らすことができ、幻覚的予測を発生させるリスクを軽減することができる。
論文参考訳（メタデータ） (2024-05-18T15:27:14Z)
Deep Architecture Connectivity Matters for Its Convergence: A Fine-Grained Analysis [94.64007376939735]
我々は、勾配降下訓練におけるディープニューラルネットワーク(DNN)の収束に対する接続パターンの影響を理論的に特徴づける。接続パターンの単純なフィルタリングによって、評価対象のモデルの数を削減できることが示される。
論文参考訳（メタデータ） (2022-05-11T17:43:54Z)
Towards Understanding Theoretical Advantages of Complex-Reaction Networks [77.34726150561087]
パラメータ数を用いて,関数のクラスを複素反応ネットワークで近似できることを示す。経験的リスク最小化については,複素反応ネットワークの臨界点集合が実数値ネットワークの固有部分集合であることを示す。
論文参考訳（メタデータ） (2021-08-15T10:13:49Z)
Over-and-Under Complete Convolutional RNN for MRI Reconstruction [57.95363471940937]
MR画像再構成のための最近のディープラーニングに基づく手法は、通常、汎用的なオートエンコーダアーキテクチャを利用する。 OUCR(Over-and-Under Complete Convolu?tional Recurrent Neural Network)を提案する。提案手法は, トレーニング可能なパラメータの少ない圧縮されたセンシングと, 一般的なディープラーニングに基づく手法に対して, 大幅な改善を実現する。
論文参考訳（メタデータ） (2021-06-16T15:56:34Z)
Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
関係データに対するKENNの拡張を提案する。その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
論文参考訳（メタデータ） (2020-09-13T21:12:20Z)
Shifu2: A Network Representation Learning Based Model for Advisor-advisee Relationship Mining [82.75996880087747]
本稿では,ネットワーク表現学習(NRL)に基づく新しいモデル,すなわちshifu2を提案する。 Shifu2は、コラボレーションネットワークを入力とし、特定アドバイザ・アドバイザー関係を出力とする。そこで我々は,Shifu2を利用した大規模学術系譜データセットを作成した。
論文参考訳（メタデータ） (2020-08-17T05:40:06Z)
Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
本稿では,高精度かつ高効率な人間のポーズ推定について述べる。我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
論文参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。