Kolmogorov-Arnold tīkli
Kolmogorov-Arnold tīkli (KAN) ir neironu tīklu arhitektūra, ko 2024. gadā ieviesa Liu et al. un kas aizstāj lineāras transformācijas ar apgūstamām vienfaktoru funkcijām uz nogriežņiem. Iedvesmojoties no Kolmogorov-Arnolda attēlojuma teorēmas, KAN sasniedz labāku funkciju aproksimāciju ar mazāku parametru skaitu nekā tradicionālie MLP, piedāvājot potenciālus efektivitātes ieguvumus un uzlabotu interpretējamību.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/lv/deep-learning/kolmogorov-arnold-networks
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Mamba (Valsts telpas modelis)Dziļā mācīšanās↔ salīdzināt
- Apslēptie autoenkoderiDziļā mācīšanās↔ salīdzināt
- Neural Radiance Fields (NeRF)Dziļā mācīšanās↔ salīdzināt
- Vision TransformerDziļā mācīšanās↔ salīdzināt
Similar methods
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →