Kolmogorov-Arnold Networks

KAN（Kolmogorov-Arnold Networks）由MIT团队于2024年提出，其灵感来自Kolmogorov-Arnold表示定理，即多元连续函数可表示为单变量连续函数和加法的组合。与MLP不同，KAN将可学习的激活函数放在边上，而非节点上，从而提高了可解释性和参数效率。在科学发现和函数拟合任务中展现出潜力。