KAN+Transformer，一个快速发论文的新创新点！

KAN爆火至今，关于它和Transformer谁更强的问题还没定论，这俩结合的工作效果却愈发出众了，短时间内就有了不少高质量论文发表。

不得不说，这是一种富有创新性的尝试，利用了KAN的灵活性和可解释性，以及Transformer的强表示能力和序列处理能力，创造了一个在复杂数据任务中更加高效、灵活且易于理解的模型。这种结合模型可以应用于时间序列预测等多个领域，显著提高性能以及准确性，是未来非常有潜力的研究方向。

更赞的一点是，KAN是新技术，还没那么卷，所以KAN+Transformer创新空间大，还有很多优秀成果给我们作参考，可以说是一个很好发论文的方向了。

为了帮同学们抓紧机会，我已经挑选好了8篇KAN结合Transformer的优秀paper分享，代码基本都有，想速发高质量论文的别错过啦。

论文原文+开源代码需要的同学看文末

HyperKAN: Kolmogorov-Arnold Networks make Hyperspectral Image Classificators Smarter

方法：论文提到了 KAN-Transformer Block 的使用，这是用于替代原始 SSFTT（可能是指某个特定的 Transformer 模型）架构设计中的两个全连接线性层。具体来说，通过使用 KAN-GPT 实现（一种为 Transformer 架构设计的 KAN 实现），保持了与原始 SSFTT 实现相同的输入和输出维度，同时