Потоки генератора с низким содержанием рэнка Колмогорова-Арнольда для обучения интерпретируемым операторам

arXiv: 2610.13028v1 Аннонс Тип: новое резюме. Нейронные операторы, которые изучают физические законы на основе данных, должны обобщать их и не только распространять информацию о своем учебном процессе, но и раскрывать полученные знания в закрытом формате. Нейронный оператор Колмогоров-Арнольд достигает как позиционной динамики путем изучения плотного псевдодифференцирующего символа на всех позициях и частотах, за счет затрат, которые растут с квадратом разрешения и закрытыми формами, которые должны быть зачитаны вручную. Этот густый символ не нужен: оператор с переменным коэффициентом конечных порядков имеет символ, который в качестве разъединителя ограничивается числом функций коэффициента независимо от разрешения и символы, которые эта сеть получает на основе своих собственных контрольных показателей имеют второй ранг. Мы представляем поток Колмогоров-Арнольд (KAFlow), который изучает генератор физического оператора как символ низкого ранга, созданный из одноимённых функций Колморова - Арнолда, исправляет счетчик этих функций так что каждый термин имеет один и тот же.