ReLU-KAN: 仅需矩阵加法、点乘和 ReLU 的新型 Kolmogorov-Arnold 网络
原文中文，约400字，阅读约需1分钟。发表于：。该论文介绍了一种新颖的 ReLU-KAN 实现，通过采用 ReLU 和逐元素乘法简化了 KAN 的基函数设计，并优化了计算过程，提高了 CUDA 计算的效率。实验结果表明，与传统的 KAN 相比，ReLU-KAN 在具有 4 层网络的情况下加速了 20 倍。此外，ReLU-KAN 在保留了 KAN 的 “防止灾难性遗忘” 特性的同时，表现出更稳定的训练过程和较好的拟合能力。
本文介绍了一种使用Kolmogorov-Arnold网络预测柔性电流体力泵压力和流量的新方法。该方法通过可学习的基于样条的激活函数代替固定的激活函数，更有效地逼近复杂的非线性函数。实验结果表明，该方法具有高的预测准确性和可解释性，是电流体力泵预测建模的有希望的替代方法。
