BSRBF-KAN: A combination of B-splines and Radial Basic Functions in Kolmogorov-Arnold Networks

本文介绍了BSRBF-KAN，一种结合了B样条和径向基函数（RBF）的Kolmogorov Arnold网络（KAN），用于拟合数据训练中的输入向量。我们使用MNIST数据集对BSRBF-KAN、MLP和其他流行的KAN（包括EfficientKAN、FastKAN、FasterKAN和GottliebKAN）进行实验。BSRBF-KAN表现出稳定性，在5次训练中平均准确率竞争力达到97.55%，并获得了比其他网络更好的收敛性。我们期望BSRBF-KAN可以开启许多数学函数的组合来设计KAN。我们的代码库可在以下网址公开访问：https://github.com/hoangthangta/BSRBF-KAN。

本论文旨在介绍一种新的Kolmogorov Arnold Network（KAN）——BSRBF-KAN，它结合了B样条和径向基函数（RBF）来拟合数据训练中的输入向量。论文通过与其他流行的KAN（包括EfficientKAN、FastKAN、FasterKAN和GottliebKAN）在MNIST数据集上进行实验，展示了BSRBF-KAN的稳定性和优越的收敛性能。

BSRBF-KAN是一种结合了B样条和径向基函数的KAN，它在MNIST数据集上展现了优越的稳定性和收敛性能。

论文通过实验展示了BSRBF-KAN的稳定性和优越的收敛性能，同时还开放了代码库。这种结合B样条和径向基函数的KAN设计可以为未来的研究提供新的思路。

近期的相关研究包括EfficientKAN、FastKAN、FasterKAN和GottliebKAN等KAN模型。