待验证50% 置信事实精确时间
与 MLP 把固定非线性激活函数放在节点、权重放在边上不同，KAN 把可学习的样条函数（通常是 B 样条）放在边上，节点只做求和。
1
来源数
50%
置信度
长期有效
时效性
2026/10/20
首次发现
来源
涉及实体
相关事实
待验证KAN将可学习的激活函数放置在网络的边（连接权重）上，通常以B样条函数实现，而传统MLP在节点上使用固定激活函数80% 相似待验证锚点散度与度量学习不同之处在于它不学习固定的线性变换，而是通过概率模型让用户在推理时按需指定语义上下文，无需为每种上下文维护独立距离矩阵或再训练适配层69% 相似待验证可训练激活函数的核心思路是把激活函数内部的某些参数纳入梯度下降的优化过程，使网络根据数据自动调整激活函数的形状68% 相似待验证传统有限元方法对每一组新的初始条件都需要重新求解方程组，而训练好的算子代理模型可以在推理阶段以固定成本（一次前向传播）处理任意新的输入函数。67% 相似待验证在贝叶斯框架下，先验扮演了正则化的角色，添加正则项本质上等价于为参数引入某种先验分布67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1073722API
curl https://kongchang.com/api/v1/knowledge/claims/1073722MCP
get_claim(id=1073722)