machine learning

速報

Kolmogorov‑Arnold 網路打造可解釋的非線性 port‑Hamiltonian 辨識框架

研究利用資料驅動機器學習辨識非線性系統時，傳統模型難以保留物理結構且解釋性差。作者提出以 Kolmogorov‑Arnold 網路建構的非線性 port‑Hamiltonian 框架，分別以 KAN 模組參數化互連、耗散、哈密頓與輸入映射，並內建 pH 約束，使得組件函數可直接檢視，提升可解釋性。