โครงข่ายประสาทคอลโมโกรอฟ-อาร์โนลด์
โครงข่ายประสาทคอลโมโกรอฟ-อาร์โนลด์ (Kolmogorov-Arnold Networks - KAN) เป็นสถาปัตยกรรมโครงข่ายประสาทเทียมที่ Liu และคณะได้นำเสนอในปี 2024 ซึ่งแทนที่การแปลงเชิงเส้นด้วยฟังก์ชันตัวแปรเดียวที่เรียนรู้ได้บนเส้นเชื่อม KAN ได้รับแรงบันดาลใจจากทฤษฎีการแทนคอลโมโกรอฟ-อาร์โนลด์ และสามารถประมาณค่าฟังก์ชันได้ดีกว่าด้วยพารามิเตอร์ที่น้อยกว่าโครงข่ายประสาทแบบหลายชั้น (MLP) ทั่วไป ซึ่งนำไปสู่ประสิทธิภาพที่อาจเพิ่มขึ้นและความสามารถในการตีความที่ดีขึ้น
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/th/deep-learning/kolmogorov-arnold-networks
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Mamba (แบบจำลองปริภูมิสถานะ)การเรียนรู้เชิงลึก↔ เปรียบเทียบ
- Masked Autoencodersการเรียนรู้เชิงลึก↔ เปรียบเทียบ
- สนามการแผ่รังสีประสาท (NeRF)การเรียนรู้เชิงลึก↔ เปรียบเทียบ
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ เปรียบเทียบ