★ 3
研究:KAN网络强化学习样本效率提升40%
论文系统研究Kolmogorov-Arnold网络(KAN)在强化学习中的样本效率。在Feynman数据集与Gymnasium基准上的实验显示,使用KAN架构可减少40%样本达到相近性能,训练过程中相对性能提升最高达50%,且对奖励噪声具有鲁棒性。结果表明KAN架构有望实现更样本高效的强化学习。
arXiv cs.LG24 天前
共 4 篇相关资讯,按重要度与时间排序,每 3 小时更新。
论文系统研究Kolmogorov-Arnold网络(KAN)在强化学习中的样本效率。在Feynman数据集与Gymnasium基准上的实验显示,使用KAN架构可减少40%样本达到相近性能,训练过程中相对性能提升最高达50%,且对奖励噪声具有鲁棒性。结果表明KAN架构有望实现更样本高效的强化学习。
论文提出 SW-KAN,用定义在半无限域上的 Stieltjes-Wigert q-正交多项式替代 B 样条,解决无界输入与有界正交基的域不匹配问题。通过指数-tanh 映射与三项递推实现 O(N) 求值,在图像分类与函数逼近上取得更优的精度-效率权衡。
论文关注心电图 P 波、QRS 波群与 T 波边界分割中架构设计被忽视的问题,提出 R-U-Net,将 ResNet-18 编码器与 U-Net 解码器配对。在 SemiSegECG 上,R-U-Net 在全部 16 个域内设置中比最强基线提升 3.3-13.0 mIoU,跨域设置达 82.6 m…