8月13日
17:41
17:41官方账号arXiv cs.LG@Zhao Su, Yuxin Xia, Haoran Li, Jun Shen, Qi Zhu, Qingguo Zhou, Binbin Yong
Kolmogorov-Arnold网络(KAN)用可学习单变量函数替换标量权重以增强非线性逼近,但每个连接独立函数导致参数冗余。HYDRA将输入映射到Poincaré球的双曲空间,在切空间执行KAN更新,并用低秩原型块跨隐藏维共享函数变换。在八个基准数据集上,HYDRA在保持竞争性或更优预测性能的同时,提高了参数效率和表示可解释性。
推荐理由:这篇论文提出HYDRA,给KAN“减负”,参数更省还不掉点,双曲空间让表示更可解释。做KAN相关研究的可以看看。