基于 Kolmogorov-Arnold 网络的金属表面缺陷分类
机器学习
2025-01-22 v1 人工智能
神经与进化计算
摘要
本文提出将 Kolmogorov-Arnold 网络（KAN）应用于金属表面缺陷分类。具体而言，对钢材表面进行分析，以检测包括裂纹、夹杂、斑块、凹陷表面及划痕在内的缺陷。基于 Kolmogorov-Arnold 定理，KAN 相较于传统的多层感知器（MLP）提供了一种新颖的方法，通过利用样条函数更高效地进行函数逼近。结果表明，KAN 网络在图像分类中能够优于卷积神经网络（CNN），同时参数更少，收敛更快，性能更佳。
引用
@article{arxiv.2501.06389,
title = {Kolmogorov-Arnold networks for metal surface defect classification},
author = {Maciej Krzywda and Mariusz Wermiński and Szymon Łukasik and Amir H. Gandomi},
journal= {arXiv preprint arXiv:2501.06389},
year = {2025}
}