《KAN: Kolmogorov-Arnold Networks》论文链接：https://arxiv.org/abs/2404.19756。
该模型实现了从“参数网络（节点）”的学习到“函数网络（节点性状）”的学习的转变。
- 优势是可解释性好，能够自动揭示数据的内在组合结构，有助于科学发现。
- 局限性是模型复杂度更高，比较难搭建和训练，和传统的神经网络模型优化算法不完全兼容。
附上文章中的图：
【说明：本站主要是个人的一些笔记和代码分享，内容可能会不定期修改。为了使全网显示的始终是最新版本，这里的文章未经同意请勿转载。引用请注明出处：https://www.guanjihuan.com】
