查看“WikiEdge:ArXiv-2407.16674/terms”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2407.16674/terms|action=edit}} 编辑]</div>
这篇文章的术语表如下：
* [[多层感知器]]（[[Multi-Layer Perceptrons]], MLP）：多层感知器是现代深度学习模型中的基础构建块，由多个节点层组成，每层的节点（或神经元）对其输入应用固定激活函数。
* [[Kolmogorov–Arnold 网络]]（[[Kolmogorov–Arnold Networks]], KAN）：[[Kolmogorov–Arnold 网络]]是传统 [[多层感知器]] 的创新替代品，利用 [[Kolmogorov-Arnold 表示定理]]，具有可学习的边缘激活函数，用参数化为样条的单变量函数替代线性权重参数。
* [[B-样条]]（[[B-spline]]）：[[B-样条]]是一种非线性函数，用于 [[Kolmogorov–Arnold 网络]] 中的激活函数，具有可学习的参数，并且每个输入元素的激活函数可以不同。
* [[符号公式表示]]（[[Symbolic Formula Representing]]）：[[符号公式表示]]是机器学习中的一项任务，涉及将数学公式以符号形式表示出来，通常用于测试模型的函数逼近能力。
* [[FLOPs]]（[[Floating Point Operations]]）：[[FLOPs]] 指的是浮点运算次数，用于衡量算法或者硬件执行浮点运算的能力。
* [[遗忘问题]]（[[Forgetting Issue]]）：在持续学习或增量学习中，模型在学到新任务的同时遗忘先前任务的现象。
* [[反向传播]]（[[Backpropagation]]）：一种在神经网络中用于训练的监督学习算法，通过计算损失函数关于网络参数的梯度来更新网络权重。
* [[ReLU]]（[[Rectified Linear Unit]]）：[[修正线性单元]]是一种常用的激活函数，定义为输入的正部分。
* [[GELU]]（[[Gaussian Error Linear Unit]]）：[[高斯误差线性单元]]是一种激活函数，其输出是输入值经过高斯分布概率加权的结果。
* [[Adam 优化器]]（[[Adam Optimizer]]）：一种用于训练深度学习模型的随机梯度下降优化算法，结合了动量和自适应学习率的特点。