論文の概要: Evaluating the Effectiveness of SechKAN on 1D Data

• arxiv url: http://arxiv.org/abs/2609.25876v1
• Date: Tue, 22 Sep 2026 08:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.301639
• Title: Evaluating the Effectiveness of SechKAN on 1D Data
• Title（参考訳）: 1次元データにおけるSechKANの有効性の評価
• Abstract要約: 双曲型セカン関数を基底関数として用いたKan変種SechKanの有効性について検討する。 UCI Human Activity Recognition (UCI HAR)、ElectricDevices、Cropの3つの分類データセットを用いてSechKANを評価した。 結果から,SechKANは3つのデータセット間での競合的なパフォーマンスを実現しており,特にCropでは高いパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 0.8168419766775443
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The connection between the Kolmogorov-Arnold representation theorem (KART) and neural network design has led to the development of Kolmogorov-Arnold Networks (KANs), with applications ranging from STEM problems to AI tasks. In this paper, we investigate the effectiveness of a KAN variant, SechKAN, which relies on hyperbolic secant (sech) functions as basis functions, with a 1D projection to reduce the number of parameters to a level comparable to MLPs. We evaluate SechKAN on three 1D classification datasets: UCI Human Activity Recognition (UCI HAR), ElectricDevices, and Crop, and compare it with several effective networks, including EfficientKAN, MLP, CNN1D, ResNet1D, and DSCNN1D, using approximately comparable parameter budgets. The results indicate that SechKAN achieves competitive performance across the three datasets, with particularly strong performance on Crop. Ablation studies further show that grid size and normalization affect performance, suggesting that SechKAN's effectiveness depends on the dataset and architectural choices. Our source code and experimental implementation are publicly available at: https://github.com/hoangthangta/SechKAN_1D.
• Abstract（参考訳）: Kolmogorov-Arnold表現定理(KART)とニューラルネットワーク設計の関連性により、STEM問題からAIタスクに至るまでの応用を含むKAN(Kolmogorov-Arnold Networks)が開発された。 本稿では,MLPに匹敵するレベルまでパラメータの数を減少させる1次元プロジェクションを用いて,双曲型セマント(sech)関数を基本関数として依存するKan変種SechKANの有効性について検討する。 UCI Human Activity Recognition (UCI HAR)、ElectricDevices、Cropの3つの分類データセットを用いてSechKANを評価し、ほぼ同等のパラメータ予算を用いて、EfficientKAN、MLP、CNN1D、ResNet1D、DSCNN1Dなどの有効ネットワークと比較した。 結果から,SechKANは3つのデータセット間での競合的なパフォーマンスを実現しており,特にCropでは高いパフォーマンスを示している。 さらに、グリッドサイズと正規化がパフォーマンスに影響することを示し、SechKanの有効性はデータセットとアーキテクチャの選択に依存することを示唆している。 ソースコードと実験的な実装は、https://github.com/hoangthangta/SechKAN_1D.comで公開されています。

関連論文リスト

• SechKAN: Kolmogorov-Arnold Networks with Hyperbolic Secant Functions [0.8168419766775443]
  Kolmogorov-Arnold Networks (KANs) は、機械学習と科学計算タスクにおける有効性から注目を集めている。 本稿では,ハイパボリックセカント(sech)関数に基づくkanアーキテクチャであるSechKanを紹介する。 実験結果から,機能適合,PDE問題,画像分類タスクにおけるSechKANの有効性が示唆された。
  論文  参考訳（メタデータ） (2026-06-30T15:31:59Z)
• KAN-Dreamer: Benchmarking Kolmogorov-Arnold Networks as Function Approximators in World Models [0.0]
  Kolmogorov-Arnold Networks (KAN) は、MLP(Multi-Arnold Perceptrons)に代わる有望な代替品として登場した。 本報告は,kan-based world modelの今後の発展に向けた予備研究である。
  論文  参考訳（メタデータ） (2025-12-08T11:13:15Z)
• Application of discrete Ricci curvature in pruning randomly wired neural networks: A case study with chest x-ray classification of COVID-19 [0.2333246928962179]
  Randomly Wired Neural Networks (RWNN) は、ディープラーニングにおけるネットワークトポロジの影響を調査するための貴重なテストベッドとして機能する。 本研究では,Forman-Ricci curvature (FRC), Ollivier-Ricci curvature (ORC), edge betweenness centrality (EBC)の3つのエッジ中心ネットワーク対策について検討した。 FRCベースのプルーニングはRWNNを効果的に単純化し、ORCに匹敵する性能を維持しながら計算上の優位性を提供する。
  論文  参考訳（メタデータ） (2025-08-30T18:50:22Z)
• 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)
• The effect of data augmentation and 3D-CNN depth on Alzheimer's Disease detection [51.697248252191265]
  この研究は、データハンドリング、実験設計、モデル評価に関するベストプラクティスを要約し、厳密に観察する。 我々は、アルツハイマー病(AD)の検出に焦点を当て、医療における課題のパラダイム的な例として機能する。 このフレームワークでは,3つの異なるデータ拡張戦略と5つの異なる3D CNNアーキテクチャを考慮し,予測15モデルを訓練する。
  論文  参考訳（メタデータ） (2023-09-13T10:40:41Z)
• OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution Shifts of Individual Nuisances in Natural Images [59.51657161097337]
  OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。 この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
  論文  参考訳（メタデータ） (2023-04-17T20:39:25Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)

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。