論文の概要: KAN-GCN: Combining Kolmogorov-Arnold Network with Graph Convolution Network for an Accurate Ice Sheet Emulator

• arxiv url: http://arxiv.org/abs/2510.24926v1
• Date: Tue, 28 Oct 2025 19:55:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:44.711926
• Title: KAN-GCN: Combining Kolmogorov-Arnold Network with Graph Convolution Network for an Accurate Ice Sheet Emulator
• Title（参考訳）: Kan-GCN: 正確な氷床エミュレータのためのコルモゴロフ・アルノルドネットワークとグラフ畳み込みネットワーク
• Authors: Zesheng Liu, YoungHyun Koo, Maryam Rahnemoonfar,
• Abstract要約: 氷床モデルのための高速かつ正確なエミュレータであるkan-GCNを紹介する。 Kan-GCNは、グラフ畳み込みネットワーク(GCN)の前に、KAN(Kolmogorov-Arnold Network)を機能的キャリブレータとして配置する。
• 参考スコア（独自算出の注目度）: 1.433758865948252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce KAN-GCN, a fast and accurate emulator for ice sheet modeling that places a Kolmogorov-Arnold Network (KAN) as a feature-wise calibrator before graph convolution networks (GCNs). The KAN front end applies learnable one-dimensional warps and a linear mixing step, improving feature conditioning and nonlinear encoding without increasing message-passing depth. We employ this architecture to improve the performance of emulators for numerical ice sheet models. Our emulator is trained and tested using 36 melting-rate simulations with 3 mesh-size settings for Pine Island Glacier, Antarctica. Across 2- to 5-layer architectures, KAN-GCN matches or exceeds the accuracy of pure GCN and MLP-GCN baselines. Despite a small parameter overhead, KAN-GCN improves inference throughput on coarser meshes by replacing one edge-wise message-passing layer with a node-wise transform; only the finest mesh shows a modest cost. Overall, KAN-first designs offer a favorable accuracy vs. efficiency trade-off for large transient scenario sweeps.
• Abstract（参考訳）: 我々は,KAN(Kolmogorov-Arnold Network)をグラフ畳み込みネットワーク(GCN)の前に特徴的キャリブレータとして配置する,高速かつ正確な氷床モデリングエミュレータであるKan-GCNを紹介する。 kanフロントエンドは、学習可能な1次元のワープと線形混合ステップを適用し、メッセージ通過深さを増大させることなく特徴条件および非線形符号化を改善する。 このアーキテクチャを用いて数値氷床モデルにおけるエミュレータの性能を向上させる。 南極のパインアイランド氷河では,36の融解速度シミュレーションと3つのメッシュサイズ設定を用いてエミュレータを訓練・試験した。 2層から5層にまたがるアーキテクチャでは、 Kan-GCN は純粋な GCN と MLP-GCN のベースラインの精度に適合する。 パラメータのオーバーヘッドは小さいが、Kan-GCNは1つのエッジワイドメッセージパス層をノードワイド変換に置き換えることで、粗いメッシュの推論スループットを改善している。 Kan-Firstの設計は、大規模な一貫したシナリオスイープに対して、良好な精度と効率のトレードオフを提供する。

関連論文リスト

• Kolmogorov-Arnold Transformer [72.88137795439407]
  Kolmogorov-Arnold Transformer(KAT)は,階層をKAN(Kolmogorov-Arnold Network)層に置き換える新しいアーキテクチャである。 C1)基本関数,(C2)非効率,(C3)重みの3つの主要な課題を特定する。 これらの設計により、KATは従来のトランスフォーマーよりも優れている。
  論文  参考訳（メタデータ） (2024-09-16T17:54:51Z)
• Want to train KANS at scale? Now UKAN! [2.9666099400348607]
  我々は、従来のコルモゴロフ・アルノルドネットワーク(KAN)における有界グリッドの必要性を取り除く方法であるUnbounded Kolmogorov-Arnold Networks (UKANs)を提案する。 UKANは、グリッドグループの位置符号化をCGモデルに入力することで、カンと多層パーセプトロンを結合し、データ正規化を必要とせずに非有界領域上の関数近似を可能にする。
  論文  参考訳（メタデータ） (2024-08-20T21:20:38Z)
• HyperKAN: Kolmogorov-Arnold Networks make Hyperspectral Image Classificators Smarter [0.0699049312989311]
  本稿では,従来のネットワークの線形層と畳み込み層をKANベースのネットワークに置き換えることを提案する。 これらの修正により,高スペクトルリモートセンシング画像の画素単位の分類精度が大幅に向上した。 最も大きな効果は、スペクトルデータのみを扱う畳み込みネットワークにおいて達成された。
  論文  参考訳（メタデータ） (2024-07-07T06:36:09Z)
• Graph convolutional network as a fast statistical emulator for numerical ice sheet modeling [0.0]
  我々は、氷床および海面システムモデル(ISSM)の適応メッシュ構造を複製するために、グラフ畳み込みネットワーク(GCN)を用いる。 南極のパインアイランド氷河(PIG)の過渡シミュレーションに適用すると、GCNは約0.997の相関係数で氷の厚さと速度を再現することに成功した。
  論文  参考訳（メタデータ） (2024-02-07T22:10:36Z)
• Kronecker-Factored Approximate Curvature for Modern Neural Network Architectures [85.76673783330334]
  線形重み付け層の2つの異なる設定がクロネッカー型近似曲率(K-FAC)の2つの風味を動機付けている 重み付けをそれぞれ設定したディープ・リニア・ネットワークに対して正確であることを示す。 グラフニューラルネットワークと視覚変換器の両方をトレーニングするために、これらの2つのK-FACの違いをほとんど観測しない。
  論文  参考訳（メタデータ） (2023-11-01T16:37:00Z)
• EGRC-Net: Embedding-induced Graph Refinement Clustering Network [66.44293190793294]
  埋め込みによるグラフリファインメントクラスタリングネットワーク (EGRC-Net) という新しいグラフクラスタリングネットワークを提案する。 EGRC-Netは学習した埋め込みを利用して初期グラフを適応的に洗練し、クラスタリング性能を向上させる。 提案手法はいくつかの最先端手法より一貫して優れている。
  論文  参考訳（メタデータ） (2022-11-19T09:08:43Z)
• Towards Efficient Graph Convolutional Networks for Point Cloud Handling [181.59146413326056]
  ポイントクラウド上で学習するためのグラフ畳み込みネットワーク(GCN)の計算効率の向上を目指します。 一連の実験により、最適化されたネットワークは計算複雑性を減らし、メモリ消費を減らし、推論速度を加速した。
  論文  参考訳（メタデータ） (2021-04-12T17:59:16Z)
• LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation [100.76229017056181]
  Graph Convolution Network (GCN)は、協調フィルタリングのための新しい最先端技術となった。 本研究は,GCNの設計を簡略化し,より簡潔かつ適切なレコメンデーションを実現することを目的としている。 我々は,光GCNと呼ばれる新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-02-06T06:53:42Z)

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。