연구진이 모든 파라미터에 대해 강제 모노토니티를 보장하는 MKAN(Monotonic Kolmogorov-Arnold Network)을 개발했어요. MKAN은 B-스플라인 계수 지수 재파라미터화, 양수 에지 가중치, 모노톤 베이스 활성화를 통해 구현돼요.
MKAN은 기존 방식보다 훈련이 간단하며, 표준 비제약 경사 하강법으로 훈련할 수 있어요. MKAN은 기능적 투명성을 제공하며, 표현 비용에 대한 이론적 기여를 통해 특정 구조를 가진 특징 추출기를 모노톤으로 구현할 수 있음을 증명했어요.
실험 결과, MKAN은 SMM/ICML-2024 벤치마크에서 최첨단 모노톤 NN과 경쟁하며, KAN, MLP, 선형 기준선보다 우수한 성능을 보였어요.
MKAN은 4개의 실제 데이터 세트에서 자체 감독 특징 크기 스윕을 통해 $2N^*$ 예측을 검증했으며, 제어된 모노톤 생성 데이터 세트에서 지상 진실 요소를 더 높은 스피어만 정렬로 복구했어요.