AIGC動態歡迎閱讀

原標題：爆火后反轉？「一夜干掉MLP」的KAN：其實我也是MLP
關鍵字：解釋性,作者,參數,論文,線性
文章來源：機器之心
內容字數：8473字

內容摘要：

機器之心報道
編輯：蛋醬、張倩KAN 作者：我想傳達的信息不是「KAN 很棒」，而是「嘗試批判性地思考當前的架構，并尋求從根本上不同的替代方案，這些方案可以完成有趣、有用的事情。」多層感知器（MLP），也被稱為全連接前饋神經網絡，是當今深度學習模型的基礎構建塊。MLP 的重要性無論怎樣強調都不為過，因為它們是機器學習中用于逼近非線性函數的默認方法。
但是最近，來自 MIT 等機構的研究者提出了一種非常有潛力的替代方法 ——KAN。該方法在準確性和可解釋性方面表現優于 MLP。而且，它能以非常少的參數量勝過以更大參數量運行的 MLP。比如，作者表示，他們用 KAN 重新發現了結理論中的數學規律，以更小的網絡和更高的自動化程度重現了 DeepMind 的結果。具體來說，DeepMind 的 MLP 有大約 300000 個參數，而 KAN 只有大約 200 個參數。
這些驚人的結果讓 KAN 迅速走紅，吸引了很多人對其展開研究。很快，有人提出了一些質疑。其中，一篇標題為《KAN is just MLP》的 Colab 文檔成為了議論的焦點。KAN 只是一個普通的 MLP？
上述文檔的作者

原文鏈接：爆火后反轉？「一夜干掉MLP」的KAN：其實我也是MLP

聯系作者

文章來源：機器之心
作者微信：almosthuman2014
作者簡介：專業的人工智能媒體和產業服務平臺