ترجمه فارسی مقاله بازاندیشی عملکرد نورون‌ها در KANها

چکیده

The neurons of Kolmogorov-Arnold Networks (KANs) perform a simple summation motivated by the Kolmogorov-Arnold representation theorem, which asserts that sum is the only fundamental multivariate function. In this work, we investigate the potential for identifying an alternative multivariate function for KAN neurons that may offer increased practical utility. Our empirical research involves testing various multivariate functions in KAN neurons across a range of benchmark Machine Learning tasks. Our findings indicate that substituting the sum with the average function in KAN neurons results in significant performance enhancements compared to traditional KANs. Our study demonstrates that this minor modification contributes to the stability of training by confining the input to the spline within the effective range of the activation function. Our implementation and experiments are available at: url{https://github.com/Ghaith81/dropkan}

چکیده به فارسی (ترجمه ماشینی)

نورون های شبکه های Kolmogorov-Arnold (KANS) یک جمع ساده با انگیزه توسط قضیه نمایندگی Kolmogorov-Arnold انجام می دهند ، که ادعا می کند که SUM تنها عملکرد اساسی چند متغیره است.در این کار ، ما پتانسیل شناسایی یک عملکرد چند متغیره جایگزین برای نورونهای KAN را که ممکن است افزایش کاربردی عملی را ارائه دهد ، بررسی می کنیم.تحقیقات تجربی ما شامل آزمایش عملکردهای مختلف چند متغیره در نورونهای KAN در طیف وسیعی از کارهای یادگیری ماشین معیار است.یافته های ما نشان می دهد که جایگزین کردن مبلغ با میانگین عملکرد در سلولهای عصبی KAN منجر به پیشرفت های قابل توجهی در مقایسه با Kans سنتی می شود.مطالعه ما نشان می دهد که این اصلاح جزئی با محدود کردن ورودی به spline در محدوده مؤثر عملکرد فعال سازی ، به ثبات آموزش کمک می کند.اجرای و آزمایشات ما در: url {https://github.com/ghaith81/dropkan} در دسترس است