:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Yixuan, Siegel, Jonathan W., Liu, Ziming, Hou, Thomas Y.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2410.01803
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High precision PINNs in unbounded domains: application to singularity formulation in PDEs
von: Wang, Yixuan, et al.
Veröffentlicht: (2025)

COEFF-KANs: A Paradigm to Address the Electrolyte Field with KANs
von: Li, Xinhe, et al.
Veröffentlicht: (2024)

Incorporating Arbitrary Matrix Group Equivariance into KANs
von: Hu, Lexiang, et al.
Veröffentlicht: (2024)

Conformalized-KANs: Uncertainty Quantification with Coverage Guarantees for Kolmogorov-Arnold Networks (KANs) in Scientific Machine Learning
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2025)

Rethinking the Function of Neurons in KANs
von: Altarabichi, Mohammed Ghaith
Veröffentlicht: (2024)

Second Order Ensemble Langevin Method for Sampling and Inverse Problems
von: Liu, Ziming, et al.
Veröffentlicht: (2022)

KAN: Kolmogorov-Arnold Networks
von: Liu, Ziming, et al.
Veröffentlicht: (2024)

Autocorrelation Reintroduces Spectral Bias in KANs for Time Series Forecasting
von: Zeng, Chen, et al.
Veröffentlicht: (2026)

Are KANs Effective for Multivariate Time Series Forecasting?
von: Han, Xiao, et al.
Veröffentlicht: (2024)

ChemKANs for Combustion Chemistry Modeling and Acceleration
von: Koenig, Benjamin C., et al.
Veröffentlicht: (2025)

Improving Memory Efficiency for Training KANs via Meta Learning
von: Zhao, Zhangchi, et al.
Veröffentlicht: (2025)

DropKAN: Regularizing KANs by masking post-activations
von: Altarabichi, Mohammed Ghaith
Veröffentlicht: (2024)

On the study of frequency control and spectral bias in Wavelet-Based Kolmogorov Arnold networks: A path to physics-informed KANs
von: Meshir, Juan Daniel, et al.
Veröffentlicht: (2025)

KANs need curvature: penalties for compositional smoothness
von: Bagrow, James
Veröffentlicht: (2026)

CausalKANs: interpretable treatment effect estimation with Kolmogorov-Arnold networks
von: Almodóvar, Alejandro, et al.
Veröffentlicht: (2025)

Equivariant Frames and the Impossibility of Continuous Canonicalization
von: Dym, Nadav, et al.
Veröffentlicht: (2024)

Optimizing IoT Threat Detection with Kolmogorov-Arnold Networks (KANs)
von: Emelianova, Natalia, et al.
Veröffentlicht: (2025)

Kolmogorov Arnold Networks (KANs) for Imbalanced Data -- An Empirical Perspective
von: Yadav, Pankaj, et al.
Veröffentlicht: (2025)

Sharp Convergence Rates for Matching Pursuit
von: Klusowski, Jason M., et al.
Veröffentlicht: (2023)

Kolmogorov-Arnold Networks (KANs) for Time Series Analysis
von: Vaca-Rubio, Cristian J., et al.
Veröffentlicht: (2024)

Optimal Approximation Rates for Deep ReLU Neural Networks on Sobolev and Besov Spaces
von: Siegel, Jonathan W.
Veröffentlicht: (2022)

F-KANs: Federated Kolmogorov-Arnold Networks
von: Zeydan, Engin, et al.
Veröffentlicht: (2024)

Sharp Lower Bounds on Interpolation by Deep ReLU Neural Networks at Irregularly Spaced Data
von: Siegel, Jonathan W.
Veröffentlicht: (2023)

Mitigating spectral bias for the multiscale operator learning
von: Liu, Xinliang, et al.
Veröffentlicht: (2022)

SINDy-KANs: Sparse identification of non-linear dynamics through Kolmogorov-Arnold networks
von: Howard, Amanda A., et al.
Veröffentlicht: (2026)

Optimal Approximation of Zonoids and Uniform Approximation by Shallow Neural Networks
von: Siegel, Jonathan W.
Veröffentlicht: (2023)

Leveraging KANs For Enhanced Deep Koopman Operator Discovery
von: Nehma, George, et al.
Veröffentlicht: (2024)

Overview frequency principle/spectral bias in deep learning
von: Xu, Zhi-Qin John, et al.
Veröffentlicht: (2022)

MLPs and KANs for data-driven learning in physical problems: A performance comparison
von: Pant, Raghav, et al.
Veröffentlicht: (2025)

Sharp Bounds on the Approximation Rates, Metric Entropy, and $n$-widths of Shallow Neural Networks
von: Siegel, Jonathan W., et al.
Veröffentlicht: (2021)

Uncertainty Quantification with Bayesian Higher Order ReLU KANs
von: Giroux, James, et al.
Veröffentlicht: (2024)

KAT to KANs: A Review of Kolmogorov-Arnold Networks and the Neural Leap Forward
von: Basina, Divesh, et al.
Veröffentlicht: (2024)

KAN 2.0: Kolmogorov-Arnold Networks Meet Science
von: Liu, Ziming, et al.
Veröffentlicht: (2024)

Nesterov acceleration despite very noisy gradients
von: Gupta, Kanan, et al.
Veröffentlicht: (2023)

Optimal Abstractions for Verifying Properties of Kolmogorov-Arnold Networks (KANs)
von: Schwartz, Noah, et al.
Veröffentlicht: (2026)

A Primer on Kolmogorov-Arnold Networks (KANs) for Probabilistic Time Series Forecasting
von: Vaca-Rubio, Cristian J., et al.
Veröffentlicht: (2025)

Embedding Dimension Lower Bounds for Universality of Deep Sets and Janossy Pooling
von: Syed, Ali, et al.
Veröffentlicht: (2026)

Bayesian Kolmogorov Arnold Networks (Bayesian_KANs): A Probabilistic Approach to Enhance Accuracy and Interpretability
von: Hassan, Masoud Muhammed
Veröffentlicht: (2024)

Initial Investigation of Kolmogorov-Arnold Networks (KANs) as Feature Extractors for IMU Based Human Activity Recognition
von: Liu, Mengxi, et al.
Veröffentlicht: (2024)

A Comprehensive Comparison Between ANNs and KANs For Classifying EEG Alzheimer's Data
von: Sunkara, Akshay, et al.
Veröffentlicht: (2024)