[論文レビュー] Predictive Modeling of Flexible EHD Pumps using Kolmogorov-Arnold Networks

Yanhong Peng, Wang, Yuxin+5 more|arXiv (Cornell University)|May 13, 2024

Hydraulic and Pneumatic Systems被引用数 5

ひとこと要約

本論文はKolmogorov-Arnold Networks (KAN) を導入し、柔軟なEHDポンプの圧力と流量を予測し、RFおよびMLPを上回り、解釈可能な象徴的式を提供します。

ABSTRACT

We present a novel approach to predicting the pressure and flow rate of flexible electrohydrodynamic pumps using the Kolmogorov-Arnold Network. Inspired by the Kolmogorov-Arnold representation theorem, KAN replaces fixed activation functions with learnable spline-based activation functions, enabling it to approximate complex nonlinear functions more effectively than traditional models like Multi-Layer Perceptron and Random Forest. We evaluated KAN on a dataset of flexible EHD pump parameters and compared its performance against RF, and MLP models. KAN achieved superior predictive accuracy, with Mean Squared Errors of 12.186 and 0.001 for pressure and flow rate predictions, respectively. The symbolic formulas extracted from KAN provided insights into the nonlinear relationships between input parameters and pump performance. These findings demonstrate that KAN offers exceptional accuracy and interpretability, making it a promising alternative for predictive modeling in electrohydrodynamic pumping.

研究の動機と目的

• 柔軟な静電流動ポンプ（EHDポンプ）の圧力と流量の正確な予測を動機づける。
• 学習可能なスプライン活性化を活用して非線形の入力と出力の関係を捉えるKANベースのモデルを開発する。
• 柔軟なEHDポンプデータセットに対する予測性能でKANとRFおよびMLPを比較する。
• 入力特徴とポンプ性能の関係を明らかにする解釈可能な象徴式を提供する。

提案手法

• エッジ上に学習可能なスプライン活性化を持つKolmogorov-Arnold層アーキテクチャによってf(x)を表現する。
• 圧力と流量の2つのKANモデルを、指定された幅とスプライン次数で構築する（圧力: width=[5,2,1], k=3; 流量: width=[5,6,1], k=4）。
• 疎正則化を伴う少量データ最適化（LBFGS）を用いて訓練し、その後剪定と再訓練を行う。
• 学習済みスプラインを数学的表現で近似して象徴式を抽出する。
• MSEを指標として、90-10の訓練-テスト分割（訓練88、テスト10）でKANをRandom ForestおよびMLPと比較する。

実験結果

リサーチクエスチョン

• RQ1 KANはRFおよびMLPよりも、柔軟なEHDポンプの圧力と流量の予測精度を高められるか？
• RQ2 KANの学習可能なスプライン活性化は、EHDポンプ性能の非線形な入力-出力関係のモデル化を改善するか？
• RQ3 KANから抽出された象徴式は、圧力と流量に対するパラメータの影響を解釈可能な洞察として提供するか？

主な発見

Model	Pressure MSE	Flow Rate MSE
KAN	12.186	0.012
Random Forest	1750.017	0.040
MLP	78.329	0.002

• KANは両出力で優れた予測精度を達成する（圧力MSE = 12.186; 流量MSE = 0.012）。
• RFおよびMLPと比較して、圧力予測で大幅に上回り、流量でも高い性能を示す。
• KANから抽出された象徴式は、入力と出力の解釈可能な関係を提供する（例：電圧、チャネル高さ、ギャップの圧力に対する非線形影響；アペックス角、電極の重なり、ギャップが流量に与える影響）。
• Table I はモデルのMSEを示す：KAN（Pressure 12.186, Flow Rate 0.012）；RF（Pressure 1750.017, Flow Rate 0.040）；MLP（Pressure 78.329, Flow Rate 0.002）。
• 本研究はKANの精度と解釈性を、柔軟なEHDポンプの設計と最適化のツールとして示している。