Kolmogorov-Arnold网络实践指南
A Practitioner's Guide to Kolmogorov-Arnold Networks
AI总结：
本文系统综述了受Kolmogorov叠加定理启发的KAN网络，从理论基础、设计轴心（基函数）到最新进展，并提供了实用选择指南和未来方向。
摘要：
Kolmogorov-Arnold网络（KAN）的设计灵感来源于Kolmogorov叠加定理（而非由其决定），已成为MLP的结构化替代方案。本综述对快速扩展的KAN文献进行了系统全面的概述。综述围绕三个核心主题组织：（i）阐明KAN与Kolmogorov叠加理论（KST）、MLP和经典核方法之间的关系；（ii）将基函数作为中心设计轴进行分析；（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，我们提供了实用的“选择你的KAN”指南，并概述了开放的研究挑战和未来方向。随附的GitHub仓库为正在进行的KAN研究提供了结构化参考。
英文摘要：
Kolmogorov-Arnold Networks (KANs), whose design is inspired-rather than dictated-by the Kolmogorov superposition theorem, have emerged as a structured alternative to MLPs. This review provides a systematic and comprehensive overview of the rapidly expanding KAN literature. The review is organized around three core themes: (i) clarifying the relationships between KANs and Kolmogorov superposition theory (KST), MLPs, and classical kernel methods; (ii) analyzing basis functions as a central design axis; and (iii) summarizing recent advances in accuracy, efficiency, regularization, and convergence. Finally, we provide a practical "Choose-Your-KAN" guide and outline open research challenges and future directions. The accompanying GitHub repository serves as a structured reference for ongoing KAN research.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
