本文介绍了Kolmogorov-Arnold网络（KAN）及其变体在联邦学习和时间序列预测中的应用，强调了其在可解释性、准确性和计算效率方面的优势。通过引入小波函数，Wav-KAN提升了模型性能，适用于异构数据分布。研究还探讨了KAN在遥感分类和电流体力泵预测中的潜力，显示出其作为强大预测工具的前景。