Kolmogorov-Arnold Networks
Kolmogorov-Arnold Networks (KAN) হলো একটি নিউরাল নেটওয়ার্ক আর্কিটেকচার যা ২০২৪ সালে Liu et al. কর্তৃক প্রবর্তিত হয়েছে। এটি এজগুলিতে শেখা ইউনিভেরিয়েট ফাংশন (univariate functions) ব্যবহার করে লিনিয়ার ট্রান্সফরমেশনকে প্রতিস্থাপন করে। Kolmogorov-Arnold representation theorem দ্বারা অনুপ্রাণিত হয়ে, KAN প্রচলিত MLP-এর তুলনায় কম প্যারামিটার ব্যবহার করে উন্নত ফাংশন অ্যাপ্রক্সিমেশন অর্জন করে, যা কার্যকারিতা বৃদ্ধি এবং ব্যাখ্যাযোগ্যতা উন্নত করার সম্ভাবনা রাখে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
পদ্ধতি-মানচিত্র
সম্পর্কিত পদ্ধতিসমূহের প্রতিবেশ — অন্বেষণ করতে একটি নোড নির্বাচন করুন।
উৎস
- Liu, Z., Wang, Y., Vaidya, S., Ruehle, F., Halverson, J., Soljačić, M., Hou, T. Y., & Tegmark, M. (2024). KAN: Kolmogorov-Arnold Networks. arXiv preprint arXiv:2404.19756. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/bn/deep-learning/kolmogorov-arnold-networks
কোন পদ্ধতি?
এই পদ্ধতিটিকে তার নিকটতম সমগোত্রীয়দের পাশে রাখুন এবং পাশাপাশি পড়ুন — গ্রন্থাগার বইগুলি টেবিলে সাজিয়ে দেয়; নির্বাচন আপনার।
- মাম্বা (স্টেট স্পেস মডেল)গভীর শিখন↔ তুলনা করুন
- মাস্কড অটোএনকোডারগভীর শিখন↔ তুলনা করুন
- নিউরাল রেডিয়েন্স ফিল্ডস (NeRF)গভীর শিখন↔ তুলনা করুন
- ভিশন ট্রান্সফরমারগভীর শিখন↔ তুলনা করুন
Similar methods
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →