Kolmogorov-Arnold 网络实用指南
机器学习
2026-05-28 v5 人工智能
数值分析
神经与进化计算
数值分析
摘要
Kolmogorov-Arnold 网络（KANs）的设计灵感来自于 Kolmogorov 超位置定理，而非由该定理严格决定。它们已作为替代 MLP 的结构化方法而逐渐流行。本综述提供了对快速扩张的 KAN 文献的系统性和全面概述。综述围绕三个核心主题展开：（i）阐明 KANs 与 Kolmogorov 超位置理论（KST）、MLPs 和经典核方法之间的关系；（ii）分析基底函数作为核心设计轴；（iii）总结在准确性、效率、正则化和收敛性方面的最新进展。最后，我们提供实用的“选择您的 KAN”指南，概述开放的研究挑战和未来方向。附带的 GitHub 存储库作为 ongoing KAN research 的结构化参考。
引用
@article{arxiv.2510.25781,
title = {A Practitioner's Guide to Kolmogorov-Arnold Networks},
author = {Amir Noorizadegan and Sifan Wang and Leevan Ling and Juan P. Dominguez-Morales},
journal= {arXiv preprint arXiv:2510.25781},
year = {2026}
}