待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/9/11
首次发现
来源
涉及实体
相关事实
待验证激活函数赋予深度网络拟合任意复杂非线性函数的理论能力，若无激活函数网络本质上仍是线性变换63% 相似待验证ControlNet通过零卷积层将预训练的Stable Diffusion与条件分支连接，允许通过额外条件输入精确控制生成结果62% 相似待验证CKKS方案支持近似浮点数运算，特别适合机器学习中的矩阵乘法和激活函数计算，成为AI领域应用同态加密的重要基础61% 相似待验证贝叶斯网络通过有向无环图显式建模变量间的条件依赖关系，适合捕捉因果链条61% 相似待验证JAX采用函数式编程范式，通过可组合的变换（如grad求梯度、vmap批量向量化、pmap多设备并行）进行深度学习开发61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/894737API
curl https://kongchang.com/api/v1/knowledge/claims/894737MCP
get_claim(id=894737)