Efficient-KAN-in-Chinese

本仓库收集并整理了多种基于 Kolmogorov-Arnold 网络（KAN）的高效实现，包括 FourierKAN、ChebyKAN、JacobiKAN、TaylorKAN 和 WaveletKAN 等。这些实现旨在提供对不同类型 KAN 模型的深入理解和便捷使用。为了方便观看、阅读和修改，本人基于 Efficient-KAN 仓库的写法对变种 KAN 进行重构。

安装

从 PyPI 安装

可以直接通过 PyPI 使用 pip 进行安装：

pip install ikan

从 GitHub 安装（开发版本）

若需要安装最新的开发版本，可以从 GitHub 仓库直接安装：

pip install git+https://github.com/lgy112112/Efficient-KAN-in-Chinese.git

从源码安装

你也可以从源码安装：

克隆项目仓库：

git clone https://github.com/lgy112112/Efficient-KAN-in-Chinese.git

进入项目目录：
```
cd Efficient-KAN-in-Chinese
```
使用可编辑模式安装：
```
pip install -e .
```

依赖

本项目依赖以下 Python 库：

torch>=1.9.0
torchinfo
numpy

通过 pip 安装时会自动安装这些依赖。

使用示例

以下是如何使用本项目的一个简单示例：

import efficient_kan  # 替换为实际模块名称
from efficient_kan.ChebyKAN import SomeClassOrFunction  # 替换为具体函数或类

# 示例用法
result = SomeClassOrFunction(input_data)
print(result)

简介

Kolmogorov-Arnold 网络（KAN）是一类基于 Kolmogorov-Arnold 表示定理的神经网络架构，具有强大的非线性表达能力。本仓库对多种 KAN 的变体进行了实现，包括使用不同基函数（如傅里叶级数、Chebyshev 多项式、Jacobi 多项式、泰勒级数和小波变换）的方法。

实现

KAN

基础的 KAN 实现，使用了 B 样条作为基函数，提供了对 KAN 模型的基本理解。

源代码：KAN.py

FourierKAN

使用傅里叶级数作为基函数的 KAN 实现，能够捕捉输入数据的周期性特征。

源代码：FourierKAN.py

ChebyKAN

使用 Chebyshev 多项式作为基函数的 KAN 实现，具有良好的数值稳定性和逼近能力。

源代码：ChebyKAN.py

JacobiKAN

使用 Jacobi 多项式作为基函数的 KAN 实现，通过调整参数 ( a ) 和 ( b )，可以灵活地适应不同的数据分布。

源代码：JacobiKAN.py

TaylorKAN

使用泰勒级数展开作为基函数的 KAN 实现，适用于需要高阶非线性特征的任务。

源代码：TaylorKAN.py

WaveletKAN

使用小波变换作为基函数的 KAN 实现，能够捕捉数据的局部特征或频域特征。

源代码：WaveletKAN.py

应用实例

以下是本人使用 KAN 进行的项目，欢迎大家复现并探讨：

MIMI-MNIST 教程：在 MNIST 数据集上应用 KAN 模型的教程，展示了如何构建和训练 KAN 来处理手写数字识别任务。
- 项目地址：MIMI-MNIST-Tutorial
股票预测教程：使用 KAN 模型进行股票价格预测的教程，包括数据预处理、模型构建和结果分析。
- 项目地址：Stocks_Prediction_Tutorial
- 项目地址：KAN_Stocks
KAN 与 VGG 在 CIFAR-10 上的比较：比较了 KAN 模型和 VGG 网络在 CIFAR-10 数据集上的分类性能，展示了 KAN 的潜力。
- 项目地址：KANvsVGGonCIFAR10

参考资料

特别感谢以下开源项目对本仓库的支持和贡献：

许可证

本项目采用 MIT 许可证开源。

Star History

欢迎大家提出建议和改进，共同完善本仓库。如有任何问题，请提交 Issue 或 Pull Request。

lgy112112/Efficient-KAN-in-Chinese