研究人员推出InfinityKAN，一个新颖的框架，可自动选择Kolmogorov-Arnold网络（KANs）中的基函数，KANs是传统多层感知机的理论基础替代品。这种新方法将基函数数量建模为潜在变量，使其可以在训练期间学习，无需手动调整超参数。在各种数据集上的实验表明，InfinityKAN在没有手动指定的情况下，实现了与现有KANs相当或更优的性能。 AI
影响 自动调整KANs的超参数，可能简化其采用并提高在各种任务上的性能。
排序理由 该集群包含两篇arXiv论文，详细介绍了Kolmogorov-Arnold网络（KANs）的进展和指南。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2507.02466v2 Announce Type: replace Abstract: Kolmogorov-Arnold Networks (KANs) offer a theoretically grounded alternative to multi-layer perceptrons by representing multivariate functions as compositions of univariate basis functions. However, a critical limitation of KANs…
arXiv:2510.25781v5 Announce Type: replace Abstract: Kolmogorov-Arnold Networks (KANs), whose design is inspired-rather than dictated-by the Kolmogorov superposition theorem, have emerged as a structured alternative to MLPs. This review provides a systematic and comprehensive over…