Kolmogorov-Arnold Networks
Les Kolmogorov-Arnold Networks (KAN) són una arquitectura de xarxes neuronals introduïda per Liu et al. el 2024 que substitueix les transformacions lineals per funcions univariants apreses als enllaços. Inspirada en el teorema de representació de Kolmogorov-Arnold, la KAN aconsegueix una aproximació de funcions superior amb menys paràmetres que les MLP tradicionals, oferint potencials guanys d'eficiència i una millor interpretabilitat.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Mapa de mètodes
El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/ca/deep-learning/kolmogorov-arnold-networks
Quin mètode?
Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.
- Mamba (Model d'Espai d'Estats)Aprenentatge profund↔ compara
- Autoencoders emmascaratsAprenentatge profund↔ compara
- Neural Radiance Fields (NeRF)Aprenentatge profund↔ compara
- Vision TransformerAprenentatge profund↔ compara
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →