KAN 或 MLP：公平比较
原文中文，约400字，阅读约需1分钟。发表于：。对比 KAN 和 MLP 模型在各种任务中的性能，除了符号公式表示任务外，MLP 通常优于 KAN。对 KAN 进行消融研究后发现，其在符号公式表示中的优势主要来自其 B 样条激活函数。当 B 样条应用于 MLP 时，在符号公式表示中的性能显著提高，超过或与 KAN 相匹配。然而，在其他任务中，MLP 已经优于 KAN，B 样条并没有显著提升 MLP...
通过对比KAN和MLP模型在各种任务中的性能，发现MLP通常优于KAN，尤其是在符号公式表示任务中。研究发现，KAN的优势主要来自其B样条激活函数，当B样条应用于MLP时，性能显著提高。然而，在其他任务中，B样条并没有显著提升MLP的性能。此外，在增量式持续学习环境中，KAN的遗忘问题比MLP更严重。这些结果为KAN和其他MLP替代方案的未来研究提供了启示。
