TL;DR
- چکیده: بهینهسازی جهانی قطعی مدلهای غیرخطی در بسیاری از کاربردهای علمیو مهندسی مهم است.
- این چارچوب معمولاً شامل حل مکرر آرامشهای محدب مسئله غیرمحدب است،.
- به این معنی که قدرت آرامشها و هزینه محاسبه آنها مستقیماً کارایی کلی و کیفیت راهحل را تعیین.
چه اتفاقی افتاد
چکیده: بهینهسازی جهانی قطعی مدلهای غیرخطی در بسیاری از کاربردهای علمیو مهندسی مهم است. این چارچوب معمولاً شامل حل مکرر آرامشهای محدب مسئله غیرمحدب است،.
به این معنی که قدرت آرامشها و هزینه محاسبه آنها مستقیماً کارایی کلی و کیفیت راهحل را تعیین. میکند.
در این کار،. ما یک چارچوب محدب پیوسته مناسب برای شبکههای Kolmogorov-Arnold ایجاد میکنیم که در آن اجزای تک متغیره توابع.
چند جملهای هستند. با بهرهبرداری از ساختار تفکیکپذیر افزودنی این معماری،.
مشکل آرامش به محاسبه پوششهای محدب تنگ چند جملهایهای تک متغیره کاهش مییابد. ما یک نوع پیوسته از گراهام اسکن کلاسیک را پیشنهاد میکنیم که این پوششها را دقیقاً با شناسایی.
دو مضاعف بدنه محدب چند جملهای بدون گسستهسازی میسازد. یا فرمول بندی مجدد فاکتورپذیر.
ما صحت الگوریتم را مشخص میکنیم و پیچیدگی محاسباتی آن را مشخص میکنیم،. و نشان میدهیم که چگونه این پوششها را میتوان برای ایجاد آرامش محدب قوی برای KANهای چند جملهای.
ترکیب کرد. نتایج محاسباتی نشان میدهد که آرامسازیهای پیشنهادی هم قوی و هم قوی هستند،.
و اغلب مرزهایی را ایجاد میکنند که قابل مقایسه هستند،. یا حتی مرتبهای سختتر از آرامشهای حلکنندههای بهینهسازی جهانی پیشرفتهتر هستند،.
در حالی که از نظر محاسباتی کارآمد هستند. بهینهسازی و کنترل (math.
OC) استناد بهعنوان: (یا v1 [math. OC] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Daniel Ovalle [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 21:.
34:. 54 UTC (328 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.