Buchumschlag

Conformalized-KANs: Uncertainty Quantification with Coverage Guarantees for Kolmogorov-Arnold Networks (KANs) in Scientific Machine Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mollaali, Amirhossein, Moya, Christian Bolivar, Howard, Amanda A., Heinlein, Alexander, Stinis, Panos, Lin, Guang
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Multifidelity Kolmogorov-Arnold Networks
von: Howard, Amanda A., et al.
Veröffentlicht: (2024)

Finite basis Kolmogorov-Arnold networks: domain decomposition for data-driven and physics-informed problems
von: Howard, Amanda A., et al.
Veröffentlicht: (2024)

SPIKANs: Separable Physics-Informed Kolmogorov-Arnold Networks
von: Jacob, Bruno, et al.
Veröffentlicht: (2024)

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

Conformalized-DeepONet: A Distribution-Free Framework for Uncertainty Quantification in Deep Operator Networks
von: Moya, Christian, et al.
Veröffentlicht: (2024)

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

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

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

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

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

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

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

Multifidelity domain decomposition-based physics-informed neural networks and operators for time-dependent problems
von: Heinlein, Alexander, et al.
Veröffentlicht: (2024)

Projective Kolmogorov Arnold Neural Networks (P-KANs): Entropy-Driven Functional Space Discovery for Interpretable Machine Learning
von: Poole, Alastair, et al.
Veröffentlicht: (2025)

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

EPi-cKANs: Elasto-Plasticity Informed Kolmogorov-Arnold Networks Using Chebyshev Polynomials
von: Mostajeran, Farinaz, et al.
Veröffentlicht: (2024)

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

pADAM: A Plug-and-Play All-in-One Diffusion Architecture for Multi-Physics Learning
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2026)

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

Can KAN CANs? Input-convex Kolmogorov-Arnold Networks (KANs) as hyperelastic constitutive artificial neural networks (CANs)
von: Thakolkaran, Prakash, et al.
Veröffentlicht: (2025)

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)

KAN-MLP-Mixer: A comprehensive investigation of the usage of Kolmogorov-Arnold Networks (KANs) for improving IMU-based Human Activity Recognition
von: Liu, Mengxi, et al.
Veröffentlicht: (2026)

On the expressiveness and spectral bias of KANs
von: Wang, Yixuan, et al.
Veröffentlicht: (2024)

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

Scientific Machine Learning with Kolmogorov-Arnold Networks
von: Faroughi, Salah A., et al.
Veröffentlicht: (2025)

Self-adaptive weighting and sampling for physics-informed neural networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2025)

A multifidelity approach to continual learning for physical systems
von: Howard, Amanda, et al.
Veröffentlicht: (2023)

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

Uncertainty Quantification for Scientific Machine Learning using Sparse Variational Gaussian Process Kolmogorov-Arnold Networks (SVGP KAN)
von: Ju, Y. Sungtaek
Veröffentlicht: (2025)

From LIF to QIF: Toward Differentiable Spiking Neurons for Scientific Machine Learning
von: Wan, Ruyin, et al.
Veröffentlicht: (2025)

Conformalized Prediction of Post-Fault Voltage Trajectories Using Pre-trained and Finetuned Attention-Driven Neural Operators
von: Mollaali, Amirhossein, et al.
Veröffentlicht: (2024)

KANs for Computer Vision: An Experimental Study
von: Mohan, Karthik, et al.
Veröffentlicht: (2024)

Bridging quantum and classical computing for partial differential equations through multifidelity machine learning
von: Jacob, Bruno, et al.
Veröffentlicht: (2025)

Self-adaptive weights based on balanced residual decay rate for physics-informed neural networks and deep operator networks
von: Chen, Wenqian, et al.
Veröffentlicht: (2024)

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)

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

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