shadowqcom / pykan

Pykan

Pykan.org

Kolmogorov-Arnold Networks (KANs)

Kolmogorov-Arnold Networks (KAN) 是多层感知器 (MLP) 的有前途的替代品。 KAN 与 MLP 一样具有强大的数学基础：MLP 基于通用逼近定理，而 KAN 基于 Kolmogorov-Arnold 表示定理。 KAN 和 MLP 是双重的：KAN 在边上具有激活函数，而 MLP 在节点上具有激活函数。这个简单的改变使得 KAN 在模型准确性和可解释性方面都比 MLP 更好（有时更好！）。

Installation

Pykan can be installed via PyPI or directly from GitHub.

Pre-requisites:

Python 3.9.7 or higher
pip

Installation via github

python -m venv pykan-env
source pykan-env/bin/activate  # On Windows use `pykan-env\Scripts\activate`
pip install git+https://github.com/KindXiaoming/pykan.git

Installation via PyPI:

python -m venv pykan-env
source pykan-env/bin/activate  # On Windows use `pykan-env\Scripts\activate`
pip install pykan

Requirements

# python==3.9.7
matplotlib==3.6.2
numpy==1.24.4
scikit_learn==1.1.3
setuptools==65.5.0
sympy==1.11.1
torch==2.2.2
tqdm==4.66.2

After activating the virtual environment, you can install specific package requirements as follows:

pip install -r requirements.txt

Optional: Conda Environment Setup For those who prefer using Conda:

conda create --name pykan-env python=3.9.7
conda activate pykan-env
pip install git+https://github.com/KindXiaoming/pykan.git  # For GitHub installation
# or
pip install pykan  # For PyPI installation

pykan's Issues

B_batch函数具体作用是什么