KAN: Kolmogorov-Arnold Networks (arXiv 2024)
受Kolmogorov-Arnold表示定理的启发,作者提出Kolmogorov-Arnold Networks(KAN)作为多层感知器(MLPs)的有前途的替代方案。MLP 在节点(“神经元”)上具有固定的激活函数,但 KAN 在边缘(“权重”)上具有可学习的激活函数。KAN 没有线性权重:每个权重参数都被参数化为一个样条线的单变量函数。作者发现,这个看似简单的变化使得 KAN 在准确性和可解释性方面优于 MLP。
转载
2024-07-10 20:31:40 ·
8 阅读 ·
0 评论