热门报告｜深度学习新机会，替代MLP，基于Kolmogorov-Arnold 定理，更少参数、更强性能、更好可解释性

文章预览

报告主题 ：神经网络结构KANs，深度学习新机会——Kolmogorov–Arnold 定理的启发 报告日期 ：5月29日（周三）10:30-11:30 报告要点 ： 本文受 Kolmogorov-Arnold 表示定理的启发，提出一种新的神经网络结构Kolmogorov-Arnold Networks (KANs)，并探究其在数据拟合和偏微分方程求解方面的性能和可解释性，作为多层感知机（MLPs）的有希望的替代 品。 KANs使用可学习的边权重激活函数代替了固定的节点激活函数，同时通过样条函数代替线性权重参数，从而在精度和可解释性方面优于传统的Multi-Layer Perceptrons (MLPs)。KANs在数据拟合和偏微分方程求解方面表现优异，且具有更快的神经缩放定律；KANs可视化直观，易于与人类用户进行交互；论文提供了两个数学和物理领域的案例，展示了KANs作为科学家的有用合作伙伴。 KANs使用可学习的边权重激活函数代替了固定的节点激活函 ………………………………