mintisan/awesome-kan
A comprehensive collection of KAN(Kolmogorov-Arnold Network)-related resources, including libraries, projects, tutorials, papers, and more, for researchers and developers in the Kolmogorov-Arnold Network field.
解决的问题
该资源库为Kolmogorov-Arnold网络(KANs)提供了一个集中、有序的资源集合。KANs是一种新型神经网络架构,作为传统多层感知器(MLPs)的替代方案。MLPs在节点处使用固定激活函数,而KANs在边(权重)上使用可学习的激活函数,这可以在数据拟合和科学发现等任务中带来更好的准确性、更快的神经缩放和更高的可解释性。
工作原理
KANs不使用静态权重,而是在边上使用单变量函数(通常参数化为样条)。这使得网络能够在训练过程中学习激活函数本身。该资源库作为一个精选索引,对快速增长的KAN研究生态系统进行分类,包括学术论文、软件库、实现项目和教程。
适用人群
该列表面向有兴趣探索、实现或改进基于KAN架构的研究人员和开发者。对于任何希望了解KAN研究现状、将其与MLPs进行比较,或为特定应用(如计算机视觉、时间序列分析或物理信息机器学习)寻找现有代码实现的人来说,这是一个起点。
亮点
- 涵盖KAN理论和应用的学术论文综合集合。
- 软件库和实现的分类列表,包括Python和非Python版本。
- 指向专门变体的链接,如卷积KANs(ConvKANs)、Transformer(KAT)和物理信息模型。
- 精选的教程和视频资源,用于学习KANs的基础知识。
- 定期更新,跟踪该领域的最新发展。
相关
- 项目
- 项目
- 项目
- 项目