Machine learningDeep Learning, Neural Network Architectures, Approximation Theory
Kolmogorov-Arnold Networks
Kolmogorov-Arnold Networks (KAN) 是一种由 Liu 等人于 2024 年提出的神经网络架构，它用可学习的边上的单变量函数取代了线性变换。受 Kolmogorov-Arnold 表示定理的启发，KAN 以比传统 MLP 更少的参数实现了卓越的函数逼近能力，从而带来了潜在的效率提升和可解释性改进。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- 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 ↗
如何引用本页
ScholarGate. (2026, June 3). KAN: Kolmogorov-Arnold Networks. ScholarGate. https://scholargate.app/zh/deep-learning/kolmogorov-arnold-networks
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
并排比较 →