近期我们针对KAN+特征提取的前沿成果进行了深度整合，从中筛选出16篇很有参考价值的论文，收录了TPAMI、NeurIPS、ICLR等顶会顶刊上的相关工作，并配套整理了开源代码实现。
这些论文基本覆盖了当前主流方法与技术瓶颈，特别适合正在准备论文的朋友，无论你是想找创新突破口、设计课题方案，还是想复现经典模型，都能提供实质性帮助。
扫描下方二维码，回复「KAN特征」
免费获取全部论文合集及项目代码
MedVKAN: Efficient Feature Extraction with Mamba and KAN for
Medical Image Segmentation
内容：
本文提出MedVKAN用于医学图像分割，构建基于U‑Net的编解码架构，前三个编码器阶段采用卷积提取局部特征，后两个阶段使用所设计的VKAN模块，该模块融合VSS视觉状态空间模块与增设双层3×3卷积的EFC‑KAN模块，兼顾长距离依赖建模与非线性特征表达，跳跃连接引入CBAM注意力模块增强特征，网络采用深度监督策略，将多尺度的Dice损失与交叉熵损失加权求和作为总损失，在五个公开医学数据集上开展对比与消融实验验证各组件的有效性。
GraphKAN: Enhancing Feature Extraction with Graph Kolmogorov Arnold Networks
内容：
本文提出GraphKAN图柯尔莫哥洛夫‑阿诺德网络，在图神经网络消息传递框架中将节点更新步骤原本使用的多层感知机与固定激活函数全部替换为基于B样条的KAN模块，加入层归一化稳定训练过程，借鉴GCN实现GraphKAN层，将一维故障信号转换为图结构构建多组标注数量不同的基础图数据集开展节点分类实验，多次重复测试并借助t‑SNE对中间特征做聚类可视化，对比GCN验证该模型的特征提取能力与少样本场景下的性能优势。
扫描下方二维码，回复「KAN特征」
免费获取全部论文合集及项目代码
Initial Investigation of Kolmogorov-Arnold Networks (KANs) as
Feature Extractors for IMU Based Human Activity Recognition
内容：
本文针对IMU惯性传感器人体行为识别任务，基于以B样条作为可学习参数的KAN设计四种不同变体的特征提取模块，包含通道级、跨通道以及多层组合结构，将提取得到的特征送入三层MLP完成分类，同时还探究KAN与CNN结合的混合编码器效果，在PAMAP2、WISDM、MM‑Fit、MotionSense四个公开HAR数据集上采用留部分受试者的交叉验证方式开展对比实验，以CNN特征提取器作为基线，使用macro‑F1与模型参数量作为评价指标，多次重复实验验证KAN特征提取器具备更好的参数效率与识别性能。
Suitability of KANs for Computer Vision:A preliminary investigation
内容：
本文开展KAN在计算机视觉任务上的适用性探究，实现ConvKAN、WavKAN以及将KAN卷积替换U‑Net常规卷积的UKAN‑UNet多种变体模型，结合传统CNN、MLP作为对比基线，在MNIST、CIFAR‑10图像分类数据集与CamVid语义分割数据集上完成多组对照实验，从准确率、参数量、训练耗时多角度评估各类KAN变体的表现，验证KAN相关理论论断，分析KAN在复杂视觉数据下的优势与现存局限。
扫描下方二维码，回复「KAN特征」
免费获取全部论文合集及项目代码
