Kolmogorov-Arnold Networks
Le Kolmogorov-Arnold Networks (KAN) sono un'architettura di rete neurale introdotta da Liu et al. nel 2024 che sostituisce le trasformazioni lineari con funzioni univariate apprese sui collegamenti (edges). Ispirate dal teorema di rappresentazione di Kolmogorov-Arnold, le KAN raggiungono un'approssimazione di funzioni superiore con meno parametri rispetto ai MLP tradizionali, offrendo potenziali guadagni di efficienza e una migliore interpretabilità.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/it/deep-learning/kolmogorov-arnold-networks
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Mamba (Modello a Spazio degli Stati)Apprendimento profondo↔ confronta
- Autoencoder MascheratiApprendimento profondo↔ confronta
- Campi di Radianza Neurale (NeRF)Apprendimento profondo↔ confronta
- Vision TransformerApprendimento profondo↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →