Kolmogorov-Arnold-verkot
Kolmogorov-Arnold-verkot (KAN) on Liu et al. vuonna 2024 esittelemä neuroverkkoarkkitehtuuri, joka korvaa lineaariset transformaatiot reunojen opituilla yksiulotteisilla funktioilla. Kolmogorov-Arnoldin esityslauseen inspiroimana KAN saavuttaa paremman funktion approksimaation vähemmillä parametreilla kuin perinteiset MLP:t, tarjoten potentiaalisia tehokkuushyötyjä ja parannettua tulkittavuutta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/fi/deep-learning/kolmogorov-arnold-networks
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Mamba (tilamallimalli)Syväoppiminen↔ vertaa
- Masked AutoencodersSyväoppiminen↔ vertaa
- Neural Radiance Fields (NeRF)Syväoppiminen↔ vertaa
- Vision TransformerSyväoppiminen↔ vertaa
Similar methods
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →