V
主页
一作深度解读KAN与MLP - 还原论还是整体论?
发布人
本片段来自集智俱乐部【AI + Science 第一季】读书会活动,来自麻省理工学院物理系博士生刘子鸣的分享,深度解答KAN结构中蕴含的哲学思想。MLP与KAN的主要区别在于它们对内部和外部自由度的处理方式。KAN不仅关注连接,还关注部件的内部复杂性。关于本次分享的内容,请持续关注视频更新~对AI+Science感兴趣的同学,可以加入读书会社群:https://pattern.swarma.org/study_group_issue/668
打开封面
下载高清视频
观看高清视频
视频下载器
KAN一作刘子鸣解答:KAN的独特性与能力边界在哪里?
复杂性起源的第一性原理:三破缺,生万物
因果前沿讲座:蔡瑞初-因果性学习初探
复杂适应系统课程
02张坤_因果表征学习进展
MIT原班人马再出神作!KAN 2.0横空出世,剑指AI科学大一统!
因果前沿讲座:崔鹏-关于可信决策智能的一些思考和尝试
什么是一个复杂系统
认知神经科学如何启发人工智能研究
KAN2.0重磅来袭!双向协同与科学理论的融合艺术,科学发现开启新纪元
复杂性理论概览
因果涌现理论提出者:Erik Hoel主题报告
0102复杂神经动力学:分析与建模--从神经元脉冲到皮层震荡,从涌现到功能
01张江_复杂系统建模——从简单规则到数据驱动的自动建模
合作&竞争
自组织和远离平衡态
发文首选:KAN用于图像处理!效果炸裂好,最新9种创新思路
复杂科学对话管理学:混沌与秩序
吴泰霖:我们为什么要讨论 AI + Science?
02因果涌现理论提出者:Erik Hoel主题报告
涌现:为什么整体会大于部分之和?
因果前沿讲座:冯福利-Causal Inference for OOD Recommendation
周晓华老师:因果推断在医疗中的应用
傅渥成:生命的简单性与复杂性
周昌松:复杂神经动力学-分析与建模(0101 课前介绍)
KAN+卷积来了!全新架构训练速度狂飙16倍,来看8种结合方法!
Learning Causality with Graphs
张江老师讲因果涌现
张含望老师:因果推理在计算机视觉中的进展
03_刘礼_因果学习与应用
无序体系中的拓扑结构及其物性关联
04_崔鹏_推荐系统的分布外泛化
Causal Inference and Recommendation 金奖:Nanoda-南京大学队
复杂系统与社会计算研讨会
蔡瑞初老师:基于观测数据的因果发现及因果性学习 | 第二季第七期
陈德亮_地球系统科学的前世今生
AI&Society第11期:圣塔菲研究前所长Geoffrey West解读规模法则
爆火神经网络架构KAN更新2.0!研究者可专属定制,轻松应对经典物理学研究! -人工智能/深度学习/机器学习
王龙-网络博弈、 反馈控制与群集智能
张江:基于机器学习的复杂系统自动建模