Új KA-FCM modellel oldanák meg a komplex dinamikus rendszerek modellezését
A frissen bemutatott megoldás a Fuzzy Kognitív Térképek (FCM) korlátait hivatott feloldani, különösen a nem-monoton ok-okozati összefüggések terén.
Új architektúrával, a Kolmogorov-Arnold Fuzzy Kognitív Térképpel (KA-FCM) igyekszik egy kutatócsoport javítani a komplex dinamikus rendszerek modellezésén — írja az arXiv-en publikált tanulmány.
A Fuzzy Kognitív Térképek (FCM) régóta használt neuro-szimbolikus paradigmát jelentenek az ilyen rendszerek leírására, különösen értelmezhetőségük és ismétlődő következtetési képességük miatt. A standard FCM-ek azonban korlátokba ütköznek, amikor nem-monoton ok-okozati összefüggéseket kellene modellezniük, például telítési vagy periodikus dinamikával jellemezhető rendszereknél.
Átalakított ok-okozati mechanizmus
A probléma forrása a skaláris szinaptikus súlyokban és a monoton aktivációs függvényekben rejlik, amelyek megakadályozzák a pontosabb reprezentációt. A javasolt KA-FCM architektúra ezt a topológiai korlátozást orvosolja az ok-okozati átviteli mechanizmus újradefiniálásával.
A Kolmogorov-Arnold reprezentációs tételre támaszkodva a KA-FCM a modell élein található statikus, skaláris súlyokat megtanulható, egyváltozós B-spline függvényekkel helyettesíti. Ez az alapvető módosítás áthelyezi a nem-linearitást a csomópontok aggregációs fázisából közvetlenül az ok-okozati befolyás fázisába, ezzel pontosabb és rugalmasabb modellezést tesz lehetővé. A tanulmány a arXiv:2604.05136v1 azonosító alatt jelent meg.