الخلفية
تزايد اهتمام الباحثين بشبكات KANs كبديل جديد لاقتران الدوال، مما دفع الفريق الذي أعد هذه الدراسة إلى تقييم أداء هذه الشبكات في حالات تصنيف مختلفة. شملت الدراسة اثني عشر مجموعة بيانات متاحة للجمهور، تغطي مواضيع ثنائية، ومتعددة الفئات، ومتعددة التسميات، ومشاكل نوعية.
المنهجية
تم تدريب كلا النموذجين تحت نفس الظروف من معالجة البيانات المعيارية، والهندسة المعمارية، وإعدادات الفائق الثابتة. التمويل تم تقييم الأداء باستخدام دقة الاختبار ونقطة F1، والاختبار التبادلي، وتحليل حجم التأثير.
النتائج">النتائج
أظهرت النتائج تفوق KANs الإحصائي على MLPs في المجالات الثنائية والمتعددة الفئات، حيث حققت الشبكات KANs ميزة كبيرة عبر جميع مجموعات البيانات. ومع ذلك، فقد لوحظ حجم تأثير متوسط (d = -0.46)، مما يطرح تساؤلًا عن التكلفة والفائدة: على الرغم من أن KANs توفر تعميمًا superior من خلال خرائط سبلين المتكيفة، إلا أن هذا التفوق يأتي مع تعقيد أعلى بكثير في المعاملات والحسابات مقارنةً بMLPs.
الخلاصة
تُشير النتائج إلى أن KANs قد تكون الخيار المفضل للتطبيقات عالية الدقة، بينما تظل MLPs خيارًا قويًا وفعالًا من حيث الموارد في البيئات المقيدة. ويدعو البحث لمزيد من الدراسات لاستكشاف معايير اختيار هذه الهياكل في مجالات بيانات إضافية.