效果一览
文章概述
故障诊断 | 基于 KAN故障诊断模型。KAN是一种全新的神经网络架构，它与传统的MLP架构不同，能够用更少的参数量在Science领域取得惊人的表现，并且具备可解释性，有望成为深度学习模型发展的一个重要方向。运用KAN，我们不仅能够在函数拟合、偏微分方程求解（PDE）上取得不错的成果，甚至能够解决拓扑理论中的Knot Theory、处理凝聚态物理中的Anderson Localization问题。多层感知机（MLPs），也称为全连接前馈神经网络，是深度学习模型的基础构建块。MLPs 的重要性不言而喻，因为它们是机器学习中用于逼近非线性函数的默认模型，其表达能力由普适逼近定理保证。MPL 是固定的非线性激活 + 线性参数学习，KAN 则是直接对参数化的非线性激活函数的学习。KAN 实现了使用更少的节点，更小的网络，来实现同样的效果，甚至更优的效果！
源码设计
- 私信博主回复基于KAN故障诊断模型。
参考资料
[1]
罗国敏. 小波能量谱在超高压输电线暂态识别中的应用[D]. 成都: 西南交通大学, 2008. (1)
