Jaringan Kolmogorov-Arnold
Jaringan Kolmogorov-Arnold (KAN) adalah arsitektur jaringan saraf yang diperkenalkan oleh Liu et al. pada tahun 2024 yang menggantikan transformasi linear dengan fungsi univariat yang dipelajari pada tepi. Terinspirasi oleh teorema representasi Kolmogorov-Arnold, KAN mencapai aproksimasi fungsi yang unggul dengan parameter yang lebih sedikit daripada MLP tradisional, menawarkan potensi peningkatan efisiensi dan interpretasi yang lebih baik.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/id/deep-learning/kolmogorov-arnold-networks
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Mamba (Model Ruang Keadaan)Pembelajaran Mendalam↔ bandingkan
- Autoenkoder BertopengPembelajaran Mendalam↔ bandingkan
- Bidang Radiansi Neural (NeRF)Pembelajaran Mendalam↔ bandingkan
- Vision TransformerPembelajaran Mendalam↔ bandingkan
Similar methods
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →