Réseaux de Kolmogorov-Arnold
Les réseaux de Kolmogorov-Arnold (KAN) sont une architecture de réseau neuronal introduite par Liu et al. en 2024, qui remplace les transformations linéaires par des fonctions univariées apprises sur les arêtes. Inspirés par le théorème de représentation de Kolmogorov-Arnold, les KAN réalisent une approximation de fonction supérieure avec moins de paramètres que les MLP traditionnels, offrant des gains d'efficacité potentiels et une meilleure interprétabilité.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/fr/deep-learning/kolmogorov-arnold-networks
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Mamba (Modèle à espace d'états)Apprentissage profond↔ comparer
- Autoencodeurs masquésApprentissage profond↔ comparer
- Champs de radiance neuronaux (NeRF)Apprentissage profond↔ comparer
- Vision TransformerApprentissage profond↔ comparer
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →