SincKAN Experimental Dataset

该数据集涵盖了使用Sinc Kolmogorov-Arnold网络（SincKANs）进行函数逼近和求解偏微分方程（PDEs）的实验。它包含了多种函数的实验结果，包括平滑函数和具有奇点的函数，并与其他网络如多层感知机（MLP）、改进的多层感知机、KAN网络和ChebyKAN网络进行了性能比较。该数据集的任务主要是函数逼近和求解偏微分方程。

This dataset covers experiments on function approximation and partial differential equation (PDE) solving using Sinc Kolmogorov-Arnold Networks (SincKANs). It contains experimental results for various types of functions, including both smooth functions and singular functions, and performs performance comparisons with other network architectures such as Multi-Layer Perceptrons (MLP), improved Multi-Layer Perceptrons, KAN networks, and ChebyKAN networks. The primary tasks of this dataset are function approximation and partial differential equation solving.

搜集汇总

背景与挑战

背景概述

该数据集是SincKAN（Sinc Kolmogorov-Arnold Network）的实验数据集，用于支持物理信息神经网络（PINNs）的研究，包含代码、训练脚本和可视化工具。数据集展示了SincKAN在边界层问题上的性能，通过L2相对误差对比，表明其优于传统MLP和KAN模型，适用于机器学习在物理模拟中的应用。