כתבה
arXiv cs.LG ·
SechKAN: רשתות Kolmogorov-Arnold עם פונקציות Hyperbolic Secant
SechKAN: Kolmogorov-Arnold Networks with Hyperbolic Secant Functions
SechKAN היא ארכיטקטורת רשת נוירונים המבוססת על פונקציות Hyperbolic Secant. היא משמשת למשימות למידת מכונה וחישוב מדעי, והראתה תוצאים טובים במגוון משימות, כולל תיקון פונקציות, בעיות PDE וסיווג תמונות.
תקציר מקורי באנגליתarXiv:2607.18290v1 Announce Type: new Abstract: In recent years, Kolmogorov-Arnold Networks (KANs) have attracted increasing attention due to their effectiveness in machine learning and scientific computing tasks, offering a new paradigm for neural network design. In this paper, we present SechKAN, a KAN architecture based on hyperbolic secant (sech) functions. The hyperbolic secant basis is used for its smooth bell-shaped form, localized responses, and stable gradients. We employ 1D linear transformations to reduce the number of parameters, allowing SechKAN to remain comparable to multilayer perceptrons (MLPs) in model size. Experimental results indicate the effectiveness of SechKAN in function fitting, PDE problems, and image classification tasks on benchmark datasets, including MNIST, F
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית