待验证50% 置信事实精确时间

KAN（Kolmogorov-Arnold Networks）将可学习的单变量函数放在网络的边上，而非传统神经网络把固定激活函数放在节点上

1

来源数

50%

置信度

长期有效

时效性

2026/10/4

首次发现

来源

SW-KAN：用q-正交多项式破解KAN的域不匹配难题

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78% 相似待验证神经正切核（NTK）理论指出当神经网络宽度趋向无穷时，网络在梯度下降训练中的行为等价于以NTK为核的核回归模型，且网络不做特征学习68% 相似待验证神经网络的知识以分布式方式存储在所有权重参数中，单个权重可能同时参与多个特征的提取68% 相似已验证机制可解释性试图理解神经网络内部每个神经元和每层连接编码了怎样的概念67% 相似待验证卷积神经网络的核心创新在于权重共享与局部连接机制，通过滑动卷积核共享同一组参数降低模型参数量66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/971797

API

curl https://kongchang.com/api/v1/knowledge/claims/971797

MCP

get_claim(id=971797)