Sieci Kołmogorowa-Arnolda
Sieci Kołmogorowa-Arnolda (KAN) to architektura sieci neuronowej wprowadzona przez Liu i in. w 2024 roku, która zastępuje transformacje liniowe uczonymi funkcjami jednowymiarowymi na krawędziach. Zainspirowana twierdzeniem Kołmogorowa-Arnolda o reprezentacji, KAN osiąga lepszą aproksymację funkcji przy mniejszej liczbie parametrów niż tradycyjne MLP, oferując potencjalne korzyści w zakresie efektywności i poprawy interpretowalności.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/pl/deep-learning/kolmogorov-arnold-networks
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Mamba (model przestrzeni stanów)Uczenie głębokie↔ porównaj
- Zamaskowane autoenkoderyUczenie głębokie↔ porównaj
- Neural Radiance Fields (NeRF)Uczenie głębokie↔ porównaj
- Vision TransformerUczenie głębokie↔ porównaj
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →