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。
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。
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
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
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
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
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
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
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
特别感谢以下开源项目对本仓库的支持和贡献：
本项目采用 MIT 许可证 开源。
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。