KANICE：具有交互卷积元素的Kolmogorov-Arnold网络
原文中文，约300字，阅读约需1分钟。发表于：。本研究提出KANICE（具有交互卷积元素的Kolmogorov-Arnold网络），解决了卷积神经网络在特征学习中的适应性不足问题。通过将交互卷积块与KAN线性层结合，KANICE能够有效捕捉复杂的非线性数据关系，并在多项数据集上表现出优异的性能，展现了其在图像分类中的潜在影响。
本文提出了卷积科尔莫戈洛夫-阿诺德网络（Convolutional KANs），通过将非线性激活函数集成到卷积中构建新层。实验证明，该网络在MNIST和Fashion-MNIST数据集上的准确性与传统方法相似，但参数量减少了一半，为神经网络优化提供了新思路。
