Redes de Kolmogorov-Arnold (KANs) são uma proposta de arquitetura de rede neural inspirada no teorema de representação de Kolmogorov-Arnold. Essa abordagem é considerada uma alternativa promissora às Perceptrons de Múltiplas Camadas (MLPs) usadas em modelos de aprendizado profundo.
- Funções de Ativação Aprendíveis: Em vez de ter funções de ativação fixas nos nós (neurônios), as redes KAN têm funções de ativação aprendíveis nos efeitos (pesos).
- Sem Peso Linear: Todas as variáveis de peso são substituídas por funções univariadas parametrizadas como spline.
- Desempenho e Interpretabilidade: As redes KAN demonstraram melhor desempenho e interpretabilidade em comparação com as MLPs em tarefas de ajuste de dados e resolução de equações diferenciais parciais.
- Repositório do projeto original com a implementação do modelo
- Vídeos explicando a teoria de funcionamento do modelo:
- Artigos e explicações adicionais:
Pykan pode ser instalado via PyPI ou diretamente do GitHub.
- Python 3.9.7 ou superior
- pip
-
Crie e ative um ambiente virtual:
python -m venv pykan-env source pykan-env/bin/activate # No Windows use `pykan-env\Scripts\activate`
-
Instale o Pykan do GitHub:
pip install git+https://github.com/KindXiaoming/pykan.git
-
Crie e ative um ambiente virtual:
python -m venv pykan-env source pykan-env/bin/activate # No Windows use `pykan-env\Scripts\activate`
-
Instale o Pykan do PyPI:
pip install pykan
-
Crie e ative um ambiente virtual:
conda create --name pykan-env python=3.9.7 conda activate pykan-env
-
Instale o Pykan:
pip install git+https://github.com/KindXiaoming/pykan.git # Para instalação via GitHub # ou pip install pykan # Para instalação via PyPI
-
Instale os requirements:
pip install -r requirements.txt
-
Crie e ative um ambiente virtual:
python -m venv pykan-env source pykan-env/bin/activate # No Windows use `pykan-env\Scripts\activate`
-
Instale o Pykan:
pip install git+https://github.com/KindXiaoming/pykan.git # Para instalação via GitHub # ou pip install pykan # Para instalação via PyPI
-
Instale os requirements:
pip install -r requirements.txt