Articles sur RecKAN

Le principal changement de RecKAN est de rendre les fonctions de base elles-mêmes apprenables, au lieu de s'appuyer sur la sélection manuelle de familles polynomiales fixes. Cela signifie que l'objectif de recherche du KAN passe de « l'apprentissage des pondérations combinées sur une base donnée » à « laisser le réseau trouver de manière adaptative la base optimale », ce qui peut améliorer la capacité du modèle à s'adapter à une variété de distributions de données. Cependant, le gain réel doit encore être vérifié expérimentalement et ne doit pas être surinterprété.