arXiv cs.LG· Minjong Cheon·· 22 天前AI 评分38
面向可解释算子学习的低秩 Kolmogorov-Arnold 生成元流
Low-Rank Kolmogorov-Arnold Generator Flows for Interpretable Operator Learning
AI 导读
研究者提出 KAFlow，利用单变量 Kolmogorov-Arnold 函数构建低秩符号学习物理算子生成元，并能自动提炼其闭式解。在基准测试中，KAFlow 将分布外损失降低 3.4 至 11 倍，无需符号模板即可将系数恢复至 10^-4 精度。在长程量子动力学中，其状态不保真度最多降低 6 个数量级，且变阶分数阶算子学习精度比现有网络高 15 倍。
来源：arXiv cs.LG · arxiv.org