网站圣诞问候特效,郓城微信网站建设,android源码下载,网站建设企业最新报价今天给大家分享一个能让审稿人眼前一亮#xff0c;好发一区的idea#xff1a;小波变换KAN#xff01;
一方面#xff1a;KAN刚中稿ICLR25#xff0c;正是风口上#xff0c;与小波变换的结合还处于起步阶段#xff0c;正是红利期#xff0c;创新空间广阔。
另一方面好发一区的idea小波变换KAN
一方面KAN刚中稿ICLR25正是风口上与小波变换的结合还处于起步阶段正是红利期创新空间广阔。
另一方面两者结合能同时满足高精度、可解释、低计算成本的需求为处理复杂和非平稳数据提供全新的视角。这便意味着金融、医疗、工业等领域的任务都可以用该方法重做一遍。具体点说小波变换多分辨率分析的特性能同时捕捉高频和低频特征。而KAN的一大亮点便是可解释且其能通过将多维函数分解为单变量函数的组合来简化计算复杂度从而有助于模型性能提升
目前该方向已取得了不少优秀成果比如有模型联邦学习中准确率近100还有模型在图像分类中性能狂提50.41……为方便大家研究的进行我给大家挑选了必读论文和源码一起来看
论文原文开源代码需要的同学看文末
Wav-KAN: Wavelet Kolmogorov-Arnold Networks
内容本文介绍了一种名为Wav-KAN的新型神经网络架构它通过在Kolmogorov-Arnold网络结构中引入小波函数解决了传统多层感知器MLP和最近提出的Spl-KAN在可解释性、训练速度、鲁棒性、计算效率和性能方面的局限性。Wav-KAN利用小波的多分辨率分析能力能够高效地捕捉输入数据的高频和低频成分并通过正交或半正交基函数实现对数据结构的准确表示同时避免过拟合噪声。 CaLMPhosKAN: Prediction of General Phosphorylation Sites in Proteins via Fusion of Codon-Aware Embeddings with Amino Acid-Aware Embeddings and Wavelet-based Kolmogorov–Arnold Network
内容文章提出了一种用于预测蛋白质磷酸化位点的新方法它通过融合密码子感知嵌入和氨基酸感知嵌入并结合基于小波的KAN来实现。该方法利用密码子语言模型生成的嵌入信息结合氨基酸级别的嵌入通过早期融合策略整合特征。随后通过ConvBiGRU网络提取局部窗口内残基的时空相关性特征并由基于高斯导数DoG小波变换的KAN进行最终预测。在独立测试中CaLMPhosKAN在预测丝氨酸-苏氨酸和酪氨酸磷酸化位点方面优于现有方法并且在预测蛋白质无序区域内的磷酸化位点方面表现出色 FC-KAN: FUNCTION COMBINATIONS IN KOLMOGOROV-ARNOLD NETWORKS
内容本文介绍了一种新型的KAN它通过在低维数据中结合流行的数学函数如B样条、小波和径向基函数的输出来提升模型性能。FC-KAN利用多种函数组合方法包括求和、逐元素乘积、二次和三次函数表示、拼接以及线性变换等来捕捉输入数据的特征。实验表明FC-KAN在MNIST和Fashion-MNIST数据集上的表现优于多层感知器MLP和其他现有的KAN模型尤其是在使用二次函数组合B样条和高斯差分DoG输出的变体中表现最为出色。该研究为未来KAN的设计和函数组合在神经网络中的应用提供了新的思路。 Prediction of Infiltrating Ductal Carcinoma using Morlet Wavelet Integrated Kolmogorov Arnold Network
内容本文提出了一种基于Morlet小波变换与Kolmogorov-Arnold网络KAN相结合的模型用于预测浸润性导管癌IDC。该研究利用IDC_regular_ps50_idx5数据集中的组织病理学图像通过数据增强技术平衡数据集后进行模型训练。Morlet小波变换能够同时捕捉空间域和频率域的信息有助于从图像中提取特征并识别模式。 码字不易欢迎大家点赞评论收藏 关注下方《AI科研技术派》
回复【小波KAN】获取完整论文
