arXiv ID:
2606.24371
arXiv 提交日期: 2026-06-23
结构型Kolmogorov-Arnold卷积:基于像素值或滤波器形状的可学习函数——作为边缘卷积KAN的参数高效替代方案 / Structural Kolmogorov-Arnold Convolutions: Learnable Function on the Values or the Filter Shape as Parameter-Efficient Alternative to Per-Edge Convolutional KANs
1️⃣ 一句话总结
本文提出了一种更高效的卷积神经网络设计思路,将可学习的函数从每个卷积核的单独位置移动到整体结构上,通过共享像素值变换或自适应调整滤波器形状两种方式,在仅用约40万参数的情况下,在CIFAR-10和CIFAR-100图像分类任务上取得了优于传统卷积和多种复杂KAN变体的准确率。