发表机构
Moscow Institute of Physics and Technology（莫斯科物理技术学院）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
本文研究不连续函数在对抗性重参数化下KART的稳定性，为KANs等深度学习架构的结构鲁棒性提供数学基础。
AI 中文摘要
本文研究了多元不连续和无界函数在隐藏层对抗性重参数化下 Kolmogorov--Arnold 表示定理（KART）的稳定性。我们的结果为现代深度学习架构（如 Kolmogorov--Arnold 网络（KANs））在对抗性配置下的结构鲁棒性提供了严格的数学基础。
英文摘要
Here we investigate the stability of the Kolmogorov--Arnold representation theorem (KART) under adversarial reparameterisations of the hidden layer for multivariate discontinuous and unbounded functions. Our results provide a rigorous mathematical foundation for the structural robustness of modern deep learning architectures, such as Kolmogorov--Arnold Networks (KANs), under adversarial configurations.
Comments6 pages
