Kolmogorov-Arnold Networks
Kolmogorov-Arnold Networks (KAN) is een neurale netwerkarchitectuur geïntroduceerd door Liu et al. in 2024 die lineaire transformaties vervangt door geleerde univariate functies op verbindingen (edges). Geïnspireerd door de Kolmogorov-Arnold representatiestelling, bereikt KAN superieure functiebenadering met minder parameters dan traditionele MLP's, wat potentiële efficiëntiewinsten en verbeterde interpreteerbaarheid biedt.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/nl/deep-learning/kolmogorov-arnold-networks
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Mamba (State Space Model)Deep learning↔ vergelijken
- Masked AutoencodersDeep learning↔ vergelijken
- Neuraale Radiantie Velden (NeRF)Deep learning↔ vergelijken
- Transformator voor Visuele WaarnemingDeep learning↔ vergelijken
Similar methods
Een fout op deze pagina gezien? Meld het of stel een correctie voor →