เปรียบเทียบวิธี

	โครงข่ายประสาทคอลโมโกรอฟ-อาร์โนลด์	Masked Autoencoders
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2024	2021
ผู้ริเริ่ม	Ziming Liu	Kaiming He
ประเภท	Neural network architecture	Neural network architecture
แหล่งต้นตำรับ	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.	He, K., Chen, X., Xie, S., Li, Y., Dollár, P., & Girshick, R. (2022). Masked autoencoders are scalable vision learners. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 16000-16009).
ชื่อเรียกอื่น	KAN, Kolmogorov-Arnold	MAE, Vision MAE
ที่เกี่ยวข้อง	4	4
สรุป	Kolmogorov-Arnold Networks (KAN) is a neural network architecture introduced by Liu et al. in 2024 that replaces linear transformations with learned univariate functions on edges. Inspired by the Kolmogorov-Arnold representation theorem, KAN achieves superior function approximation with fewer parameters than traditional MLPs, offering potential efficiency gains and improved interpretability.	Masked Autoencoders (MAE) is a self-supervised learning approach introduced by He et al. in 2021 that masks random patches of an image and trains a model to reconstruct the missing content. Adapting the masked language modeling paradigm from NLP to vision, MAE learns rich visual representations by solving a challenging reconstruction task without requiring labels.