arXiv cs.AI· Matthias Wolff, Francesco Alesiani, Christof Duhme, Xiaoyi Jiang·· 11 小时前AI 评分20
Clifford Kolmogorov-Arnold 网络（ClKAN）：任意 Clifford 代数空间中的高效函数逼近架构
Clifford Kolmogorov-Arnold Networks
AI 导读
研究者提出 Clifford Kolmogorov-Arnold Network（ClKAN），一种可在任意 Clifford 代数空间进行函数逼近的灵活高效架构。该工作采用 Randomized Quasi-Monte Carlo 网格生成来应对高维代数带来的指数级扩展问题，并引入新的批归一化策略处理可变域输入。ClKAN 在合成任务与物理启发任务上完成验证，论文已发表于 IJCNN 2026。
正文 · AI 翻译
摘要：我们提出了 Clifford Kolmogorov-Arnold 网络（ClKAN），这是一种在任意 Clifford 代数空间中进行函数逼近的灵活且高效的架构。我们提出使用随机拟蒙特卡洛网格生成，作为应对高维代数相关指数级扩展问题的解决方案。我们的 ClKAN 还引入了新的批归一化策略，以处理可变域输入。ClKAN 可应用于科学发现和工程领域，并已在合成任务和受物理启发的任务中得到验证。
| 评论： | 发表于 IEEE 国际神经网络联合会议（IJCNN）2026 论文集 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2602.05977 [cs.LG] |
| （或使用 arXiv:2602.05977v3 [cs.LG] 获取此版本） | |
| https://doi.org/10.48550/arXiv.2602.05977 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1109/IJCNN69854.2026.11728617
链接到相关资源的 DOI |
提交历史
来自：Matthias Wolff [查看电子邮件]
[v1]
2026 年 2 月 5 日星期四 18:25:40 UTC（315 KB）
[v2]
2026 年 6 月 23 日星期二 22:02:43 UTC（321 KB）
[v3]
2026 年 10 月 23 日星期五 14:03:55 UTC（323 KB）
来源：arXiv cs.AI · arxiv.org