Jaringan Kolmogorov-Arnold
Jaringan Kolmogorov-Arnold (KAN) ialah seni bina rangkaian saraf yang diperkenalkan oleh Liu et al. pada tahun 2024 yang menggantikan transformasi linear dengan fungsi univariat yang dipelajari pada sisi (edges). Diinspirasikan oleh teorem perwakilan Kolmogorov-Arnold, KAN mencapai penghampiran fungsi yang unggul dengan parameter yang lebih sedikit berbanding MLP tradisional, menawarkan potensi peningkatan kecekapan dan kebolehinterpretasian yang lebih baik.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Peta kaedah
Kejiranan kaedah berkaitan — pilih satu nod untuk meneroka.
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 memetik halaman ini
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/ms/deep-learning/kolmogorov-arnold-networks
Kaedah yang mana?
Letakkan kaedah ini di sebelah kaedah yang paling rapat dengannya dan baca secara bersebelahan — perpustakaan menyusun buku di atas meja; pilihan terletak pada anda.
- Mamba (Model Ruang Keadaan)Pembelajaran Mendalam↔ banding
- Autoenkoder BertopengPembelajaran Mendalam↔ banding
- Neural Radiance Fields (NeRF)Pembelajaran Mendalam↔ banding
- Transformer VisiPembelajaran Mendalam↔ banding
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →