AIGC动态欢迎阅读
原标题：反转了？在一场新较量中，号称替代MLP的KAN只赢一局
关键字：函数,数据,参数,解读,表示文章来源：机器之心
内容字数：0字内容摘要：
机器之心报道
机器之心编辑部KAN 在符号表示中领先，但 MLP 仍是多面手。
多层感知器 (Multi-Layer Perceptrons，MLP) ，也被称为全连接前馈神经网络，是当今深度学习模型的基本组成部分。MLP 的重要性无论怎样强调都不为过，因为它是机器学习中用于逼近非线性函数的默认方法。
然而，MLP 也存在某些局限性，例如难以解释学习到的表示，以及难以灵活地扩展网络规模。
KAN（Kolmogorov–Arnold Networks）的出现，为传统 MLP 提供了一种创新的替代方案。该方法在准确性和可解释性方面优于 MLP，而且，它能以非常少的参数量胜过以更大参数量运行的 MLP。
那么，问题来了，KAN 、MLP 到底该选哪一种？有人支持 MLP，因为 KAN 只是一个普通的 MLP，根本替代不了，但也有人则认为 KAN 更胜一筹，而当前对两者的比较也是局限在不同参数或 FLOP 下进行的，实验结果并不公平。
为了探究 KAN 的潜力，有必要在公平的设置下全面比较 KAN 和 MLP 了。
为此，来自新加坡国立大学的研究者在控制了 KAN 和 MLP 的参数或 FLO原文链接：反转了？在一场新较量中，号称替代MLP的KAN只赢一局
联系作者
文章来源：机器之心
作者微信：
作者简介：
