論文の概要: Kolmogorov-Arnold Networks vs. Multi-Layer Perceptrons: A Rigorous Statistical Benchmark on Clinical Tabular Data

• arxiv url: http://arxiv.org/abs/2611.02856v1
• Date: Mon, 02 Nov 2026 09:58:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 14:51:17.783869
• Title: Kolmogorov-Arnold Networks vs. Multi-Layer Perceptrons: A Rigorous Statistical Benchmark on Clinical Tabular Data
• Title（参考訳）: Kolmogorov-Arnold Networks vs. Multi-Layer Perceptrons: A Rigorous statistics Benchmark on Clinical Tabular data
• Abstract要約: Kolmogorov-Arnold Networks (KAN) は、最近、MLP(Multi-Layer Perceptrons)の代替として提案されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Kolmogorov-Arnold Networks (KANs) have recently been proposed as a promising alternative to Multi-Layer Perceptrons (MLPs). However, empirical evaluations on structured medical datasets remain scarce, and commonly reported metrics like AUROC can yield overly optimistic performance estimates on imbalanced clinical cohorts. In this study, we present a standardized benchmark comparing eleven architectures - nine KAN variants (FastKAN, WavKAN, ReLUKAN, ChebyKAN, TaylorKAN, GramKAN, JacobiKAN, LegendreKAN, and TabKAN), a tuned StandardMLP, and a Random Forest baseline - across seven heterogeneous medical tabular datasets spanning oncology, cardiology, nephrology, neurology, endocrinology, and obstetrics. Our experimental protocol employs a 3x5 Repeated Stratified K-Fold cross-validation scheme with nested Bayesian hyperparameter optimization and evaluates discrimination via Area Under the Precision-Recall Curve (AUPRC), calibration through the Brier Score, and computational efficiency. Formal equivalence testing is conducted using the Bayesian Correlated t-Test with a Region of Practical Equivalence (ROPE) at +/- 0.01. The results indicate that on datasets with severe class imbalance, dedicated KAN architectures (particularly TabKAN and ReLUKAN) can improve minority-class detection and achieve higher AUPRC than standard MLPs. Nevertheless, across pooled datasets, KAN variants demonstrate comparable overall predictive discrimination rather than a systematic advantage, while requiring 1.20x to 1.48x longer inference latency per sample and up to 12.5x more trainable parameters. Consequently, StandardMLP remains a strong baseline on the efficiency Pareto frontier, while KAN variants provide a viable alternative when precision on rare positive cases is the primary clinical objective. The code for reproducing the results is available at https://github.com/rafalwodzinski/kan_mlp_comparison.
• Abstract（参考訳）: Kolmogorov-Arnold Networks (KAN) は、最近、MLP(Multi-Layer Perceptrons)の代替として提案されている。 しかしながら、構造化された医療データセットに対する実証的な評価は依然として乏しく、AUROCのような一般的な報告では、不均衡な臨床コホートに対する過度に楽観的なパフォーマンス推定が得られる。 本研究では, 標準MLP, ランダムフォレストベースラインの9つのKan変異体 (FastKAN, WavKAN, ReLUKAN, ChebyKAN, TaylorKAN, GramKAN, JacobiKAN, LegendreKAN, TabKAN) と, オンコロジー, 心臓学, ネフローロロジー, 内分泌学, 産婦人科にまたがる7つの異質な医学的表層データセットを比較検討検討した。 実験プロトコルでは,3x5繰り返し成層K-Foldクロスバリデーション方式とネストしたベイズハイパーパラメータ最適化を用いて,AUPRC(Area Under the Precision-Recall Curve)による識別,Brier Scoreによるキャリブレーション,計算効率を評価した。 実用等価領域(ROPE)を+/-0.01でベイズ相関t-Testを用いて形式的等価試験を行う。 その結果,厳密なクラスバランスを持つデータセットでは,専用アーキテクチャ(特にTabKANやReLUKAN)がマイノリティクラスの検出を改善し,標準MPPよりも高いAUPRCを実現することが示唆された。 それでも、プールされたデータセット全体において、Kankanの変種は、体系的な優位性よりも、全体的な予測的差別に匹敵するものを示し、サンプルあたり1.20倍から1.48倍の推論レイテンシと最大12.5倍のトレーニング可能なパラメータを必要とする。 結果として、StandardMLPはParetoフロンティアの効率性に強いベースラインを保ち、KA変種は、稀な陽性症例の精度が第一の臨床的目的である場合に有効な代替手段を提供する。 結果を再現するためのコードはhttps://github.com/rafalwodzinski/kan_mlp_comparison.comで公開されている。

関連論文リスト

• Is the Statistical Advantage Worth the Cost? An Empirical Comparison of KANs and MLPs for Structured Data Classification [0.0]
  本研究では,KAN(Kolmogorov-Arnold Networks)とMLP(Multi-Layer Perceptrons)のベンチマーク比較を行った。 我々は、バイナリ、マルチクラス、マルチラベル、順序問題にまたがる12の公開データセットに対して、アウト・オブ・ボックスのパフォーマンスを評価した。
  論文  参考訳（メタデータ） (2026-07-15T03:30:46Z)
• A deep learning pipeline for PAM50 subtype classification using histopathology images and multi-objective patch selection [0.2958068627971103]
  PAM50遺伝子シグネチャは、乳がんを固有のサブタイプに分類する標準として広く認識されている。 本研究では,コストのかかる分子アッセイへの依存を減らすことを目的とした,新しい最適化駆動型ディープラーニングフレームワークを提案する。 提案手法は,非支配的ソート遺伝的アルゴリズムII(NSGA-II)とモンテカルロのドロップアウトに基づく不確実性推定を組み合わせ,パッチ情報量,空間的多様性,不確実性,パッチ数などを共同で最適化する。
  論文  参考訳（メタデータ） (2026-04-02T09:13:24Z)
• GOLDMARK: Governed Outcome-Linked Diagnostic Model Assessment Reference Kit [7.891604152731754]
  CB(Computational Biomarker)は、ヘマトキシリン・エオシン(H&E)全スライディング画像(WSI)から抽出した組織由来のパターンで、治療効果や予後を予測する。 臨床応用可能な OncoKB レベル1-3 バイオマーカーラベルを持つTCGAコーホート上に構築された標準化されたベンチマークフレームワークである GOLDMARK を紹介する。
  論文  参考訳（メタデータ） (2026-03-21T15:09:06Z)
• PREBA: Surgical Duration Prediction via PCA-Weighted Retrieval-Augmented LLMs and Bayesian Averaging Aggregation [51.96735866702332]
  PreBAはPCA重み付き検索とベイズ平均アグリゲーションを統合した検索拡張フレームワークである。 例えば、PreBAはパフォーマンスを大幅に改善し、MAEを最大40%削減し、ゼロショット推論でR2を-0.13から0.62に引き上げる。
  論文  参考訳（メタデータ） (2026-02-27T07:19:23Z)
• Taylor-Series Expanded Kolmogorov-Arnold Network for Medical Imaging Classification [0.0]
  本研究は,限られた多様なデータセットを用いた正確な医用画像分類のためのKAN(Kolmogorov-Arnold Networks)を紹介する。 モデルはSBTAYLOR-KAN、B-splinesとTaylorシリーズの統合、SBRBF-KAN、Morletウェーブレット変換にB-splinesを埋め込むSBWAVELET-KANである。 脳MRI,胸部X線,結核X線,皮膚病変画像を前処理なしで評価した。
  論文  参考訳（メタデータ） (2025-09-17T04:33:54Z)
• CLaDMoP: Learning Transferrable Models from Successful Clinical Trials via LLMs [14.116060944536011]
  CLaDMoPは,臨床治験結果予測のための新しい事前学習手法である。 CLaDMoPは、新しい多層核融合技術により、試験の適性基準を軽量な薬物分子分岐にリンクする。 CLaDMoPはPR-AUCを最大10.5%改善し、OC-AUCを3.6%改善し、MEXA-CTPに匹敵するF1スコアを得た。
  論文  参考訳（メタデータ） (2025-05-24T05:45:32Z)
• Learning to diagnose cirrhosis from radiological and histological labels with joint self and weakly-supervised pretraining strategies [62.840338941861134]
  そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。 我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。 この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
  論文  参考訳（メタデータ） (2023-02-16T17:06:23Z)
• Hierarchical Semi-Supervised Contrastive Learning for Contamination-Resistant Anomaly Detection [81.07346419422605]
  異常検出は、通常のデータ分布から逸脱したサンプルを特定することを目的としている。 コントラスト学習は、異常の効果的な識別を可能にする表現のサンプル化に成功している。 汚染耐性異常検出のための新しい階層型半教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-24T18:49:26Z)
• Increasing the efficiency of randomized trial estimates via linear adjustment for a prognostic score [59.75318183140857]
  ランダム化実験による因果効果の推定は臨床研究の中心である。 歴史的借用法のほとんどは、厳格なタイプiエラー率制御を犠牲にして分散の削減を達成する。
  論文  参考訳（メタデータ） (2020-12-17T21:10:10Z)
• CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
  新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。 我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-20T21:47:28Z)
• Noisy Adaptive Group Testing using Bayesian Sequential Experimental Design [63.48989885374238]
  病気の感染頻度が低い場合、Dorfman氏は80年前に、人のテストグループは個人でテストするよりも効率が良いことを示した。 本研究の目的は,ノイズの多い環境で動作可能な新しいグループテストアルゴリズムを提案することである。
  論文  参考訳（メタデータ） (2020-04-26T23:41:33Z)

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。