AI اور دنیا کے مشکل مسائل · نظریاتی کمپیوٹر سائنس · arXiv · 2026-10-22

Kolmogorov-Arnold Networks کے ساتھ قابلِ عمل (tractable) inference

اصل عنوان: Tractable Inference with Kolmogorov-Arnold Networks

کمپیوٹیشنل سائنس میں مشین لرننگ سرروگیٹس کو نہ صرف درست پیش گوئیوں کی بلکہ توقعات، ویریانسیز، محفوظ شدہ انٹیگرلز اور نارملائزیشن کانسٹنٹس کی بھی ضرورت ہوتی ہے، جنہیں روایتی نیٹ ورکس اور KANs مہنگی مونٹے کارلو سیمپلنگ یا ملٹی ڈیمینشنل کواڈریچر کے ذریعے جانچتے ہیں، خاص طور پر زیادہ جہات میں۔ TOUCKANs محدود درجے کے پولینومیل بیرونی فنکشنز استعمال کرتے ہیں جن کے نتیجے میں ایک قابل تجزیہ sum-product نمائندگی بنتا ہے، لہٰذا فیکٹرائز ہونے والے ان پٹ میژرز کے تحت توقعات اور اعلیٰ مومنٹس ایک جہتی انٹیگرلز پر مشتمل متعین recursions میں بدل جاتے ہیں، جبکہ محفوظ شدہ انٹیگرلز اور نارملائزیشن پوری ٹریننگ کے دوران نافذ کیے جا سکتے ہیں۔ 50 جہات تک کے یونیفارم اور گوسی بینچ مارکس میں، متعین اوسط اور ویریانس کی غلطیاں ہر معاملے میں میڈین فکسڈ بجٹ مونٹے کارلو غلطیوں سے کم رہیں، Cahn-Hilliard ماس مشین پریسیشن تک محفوظ رہا، اور Schrödinger کے سب سے نچلے چار eigenpairs دو، تین اور پانچ جہات میں مشترکہ طور پر کیلکولیٹ کیے گئے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →