Краткое содержание

arXiv:2511.08570v1 Тип объявления: кросс Аннотация: Сети Колмогорова-Арнольда (KAN) представляют собой класс нейронных сетей, который недавно привлек повышенное внимание исследователей. В отличие от многослойных перцептронов (MLP), сети KAN используют параметрические настраиваемые функции активации, предоставляя ряд преимуществ, включая улучшенную интерпретируемость и повышенную точность при обучении символическим уравнениям. Однако оригинальная архитектура KAN требует внесения изменений в разбиение области определения сети («сетка домена») во время обучения, создавая дополнительную нагрузку на пользователя в процессе тренировки модели. Обычные слои KAN изначально не обладают способностью автономно обновлять свои области определения адаптивным образом, основываясь на изменении диапазонов выходных значений предыдущих слоёв. Дополнительно предлагаемый алгоритм гистограмм также может применяться для выявления входных данных вне распределения (out-of-distribution — OOD) в различных сценариях. Мы показываем, что предложенная нами модификация AdaptKAN превосходит или соответствует производительности ранее известных архитектур KAN и MLP...