本文探讨了Kolmogorov-Arnold网络（KANs）在计算机视觉中的应用，尤其是在复杂数据集上。研究表明，KANs在某些任务中表现良好，但面临超参数敏感性和高计算成本的挑战，建议与其他架构结合以解决大规模视觉问题。

利用 KANs 和 MLP DNNs 进行了深度 Koopman 理论的比较，结果显示 KANs 在训练速度、参数效率和预测准确性方面都优于 MLP DNNs，表现出在深度 Koopman 理论发展中的潜力。