لماذا تخفي البيانات النظيفة الفرق بين متغيرات KAN
تغطي الأدبيات المتعلقة بالمتغيرات الفعّالة لشبكة كولموغوروف–أرنولد نسخ Chebyshev والمويجات والأساسات الشعاعية للـ KAN الأصلي. وقد بُنيت المعايير المرجعية في هذه الأعمال على بيانات نظيفة. وهذا الاختيار يحجب فرقًا كبيرًا في قدرات البنى المعمارية.
يُبرز العمل arXiv:2608.14773 هذا الفرق. ظهرت النسخة الأولى في 14 أغسطس 2026، والثانية في 25 أغسطس 2026. الحجم — 22 صفحة و20 شكلًا و8 جداول. الموضوع — تعلّم الآلة والذكاء الاصطناعي.
المعيار العملي: مقارنة متغيرات KAN على البيانات النظيفة فقط لا تعطي أساسًا للاختيار. يلزم للتقييم بروتوكول ببيانات مشوّشة.
مقدار نمو الخطأ عند وجود التشويش
المقياس هو اختبار MSE، الذي يُقاس مقابل دالة مرجعية نظيفة. يجري التدريب على بيانات مفسدة بتشويش بقيمة sigma = 0,1. ويصف مؤشر النمو مقدار تضاعف الخطأ مقارنة بالحالة النظيفة.
| متغير البنية المعمارية | نمو اختبار MSE عند sigma = 0,1 |
|---|---|
| ChebyKAN | 10,6x |
| KAN الأصلي | 7,9x |
| MLP القياسي | 1,7x |
| ER-KAN | 1,4x |
الخلاصة: يعطي ER-KAN أصغر نمو للخطأ بين المتغيرات المفحوصة. كما يصمد MLP القياسي بشكل ملحوظ أفضل من ChebyKAN وKAN الأصلي.
ثلاثة حلول تمنح ER-KAN المتانة
يتكوّن ER-KAN من ثلاث تقنيات موجّهة إلى الوضع المشوّش عند نقص البيانات.
- أساسات RBF غاوسية مشتركة على جميع حواف الطبقة. تمنح المحلية وتمثيلًا معاملاتيًا مقتصدًا.
- حقن تشويش المنهج الدراسي (Curriculum noise injection) أثناء التدريب. يتعلّم النموذج صراحةً المتانة أمام التشويش.
- التنظيم التكيّفي الموزون بالإنتروبيا (Entropy-weighted adaptive regularisation). يمنع الإفراط في التعلّم عند قلة عدد الأمثلة.
النتيجة: شبكة بـ 595 معاملًا تتطابق في الدقة مع MLP عند تشويش معتدل. وعند ازدياد التشويش تتدهور بشكل أكثر لطفًا بكثير.
بروتوكول التحقق ونتيجته السلبية
بُنيت التجارب على عدة مجموعات من الشروط.
- ثماني دوال تحليلية، وعدد الأمثلة N من المجموعة 50 و200 و500.
- مستويات التشويش sigma من المجموعة 0,03 و0,1.
- PINN لمذبذب توافقي مخمّد: يعطي ER-KAN خطأ حل أقل بـ 4,2 مرة من MLP.
- PINN لمعادلة برغرز: جميع النماذج لا تتقارب.
يُبلغ المؤلف عن الفشل في معادلة برغرز بصراحة. هذا قيد في الطريقة، وليس عيبًا خفيًا في التقرير. ولا تنتقل استنتاجات المذبذب تلقائيًا إلى معادلات أخرى.
نسبة تدهور التشويش كمقياس مستقل
يقدّم المؤلف نسبة تدهور التشويش (noise degradation ratio) — إضافة بسيطة إلى القياسات القائمة. يوضّح المقياس مقدار زيادة الخطأ على البيانات المشوّشة مقارنة بالبيانات النظيفة. ويوصي المؤلف بجعله عنصرًا إلزاميًا في التقارير ضمن المقالات المتعلقة بالمتغيرات الفعّالة لـ KAN.
القيمة العملية للمقياس — مقارنة البنى المعمارية من حيث المتانة، وليس من حيث الدقة فقط. وبالنسبة للأدبيات التي كانت معاييرها المرجعية قائمة على بيانات نظيفة، فإن هذا يغيّر معيار التقييم.
المعيار العملي للاختيار
- بيانات مشوّشة وأمثلة قليلة. يعطي ER-KAN أصغر نمو للخطأ بين المتغيرات المفحوصة.
- تشويش معتدل. شبكة بـ 595 معاملًا تتطابق في الدقة مع MLP.
- الحاجة إلى قاعدة بسيطة للمقارنة. يتدهور MLP القياسي أضعف من ChebyKAN وKAN الأصلي.
- PINN لمذبذب مخمّد. يُظهر ER-KAN خطأ حل أقل من MLP.
- PINN لمعادلة برغرز. لم تتقارب أي من النماذج المفحوصة.
يعتمد الاختيار على مستوى التشويش وحجم العيّنة، وليس على النتائج على البيانات النظيفة. والتقرير بدون نسبة تدهور التشويش يبقى ناقصًا للمهام التي يكون فيها التشويش حاضرًا.
