KAN备受审稿人青睐！结合小波变换就能发一区，厉害了

KAN自提出至今，一直备受顶会青睐，前不久KAN被ICLR25接收为Oral Paper，与之相关的研究越发火热，其中结合小波变换的思路尤盛。

一方面，小波变换的多尺度分析能力可以为KAN提供更丰富的特征表示，从而提高模型的性能。另一方面，KAN的灵活性和表达能力可以让这组合在处理复杂数据集时表现出色。二者可谓相辅相成，在特征提取、故障诊断等方面发挥了重要作用，如今更是成为了信号处理领域的前沿课题。

作为热门前沿方向，KAN+小波变换的多篇高质量的论文已经在多个顶会顶刊上发表，比如一区上的一篇成果，通过结合两者，在乳腺癌诊断各指标上都非常出色。如果有同学想以此发论文，建议多看看这些论文找灵感，我已经整理打包好了一部分新成果，基本都有开源代码，需要的可无偿获取。

全部论文+开源代码需要的同学看文末

Prediction of Infiltrating Ductal Carcinoma using Morlet Wavelet Integrated Kolmogorov Arnold Network

方法：论文提出了一种结合小波变换（Morlet小波）和KAN的模型，用于预测乳腺癌中的浸润性导管癌（IDC）。通过在KAN模型中集成Morlet小波变换，能够有效提取组织病理学图像中的特征，从而提高模型的诊断性能。

创新点：

• 将Morlet小波变换与Kolmogorov Arnold网络集成，用于从组织病理学图像中提取特征。

• 采用了一种数据增强技术，平衡了IDC_regular_ps50_idx5数据集中的组织病理图像。

• 通过结合Morlet小波变换，实现了91.07%的特异性、90.83%的精确度、88.87%的召回率和89.97%的整体准确率。

Wav-KAN: Wavelet Kolmogorov-Arnold Networks

方法：本文提出了一种名为Wav-KAN的新型神经网络架构，通过将小波变换与KAN相结合，显著提升了神经网络的可解释性和性能。Wav-KAN利用小波函数的多分辨率分析能力，能够高效地捕捉输入数据中的高频和低频成分，同时避免过拟合噪声。

创新点：

• Wav-KAN 通过将小波函数整合到科尔莫戈罗夫-阿诺德网络结构中，有效捕捉输入数据的高频和低频成分。

• Wav-KAN 利用了离散小波变换（DWT）进行多分辨率分析，避免了在细节提取过程中需要重复计算前一步骤的问题。

• KAN通过在边缘而非节点上放置可学习的一元函数来替代线性权重，使得每个节点仅对前一层的一元函数进行求和。

CaLMPhosKAN: Prediction of General Phosphorylation Sites in Proteins via Fusion of Codon-Aware Embeddings with Amino Acid-Aware Embeddings and Wavelet-based Kolmogorov–Arnold Network

方法：论文提出了一种名为CaLMPhosKAN的新型蛋白质磷酸化位点预测模型，通过结合基于密码子的嵌入和基于氨基酸的嵌入，并利用卷积双向门控循环单元提取局部窗口内的时空特征。最终，模型通过基于小波变换的Kolmogorov-Arnold网络（Wav-KAN）进行分类预测。

创新点：

• 提出了一种新颖的磷酸化位点预测方法，首次将密码子级别的信息融入其中。

• 引入了一种基于小波的Kolmogorov-Arnold Network（KAN）模型，用于捕捉残基在窗口级别的时空相关性。

• 通过对CaLM和ProtTrans嵌入进行早期融合，研究表明这种方法在多个性能指标上优于单独使用任何一种嵌入。

FC-KAN: FUNCTION COMBINATIONS IN KOLMOGOROV-ARNOLD NETWORKS

方法：本文提出了一种名为FC-KAN的新型神经网络架构，通过在KAN中结合多种数学函数（如B样条、小波和径向基函数）的输出，利用逐元素操作（如加法、乘法等）来增强模型对低维数据的特征捕捉能力。

创新点：

• 通过引入KANs（神经网络框架），展示了它在不同领域的有效性，如量子计算和时间序列预测。

• FasterKAN通过引入反射开关激活函数（RSWAF），实现了比FastKAN更快的前后处理速度。

• 通过在每个网络层中结合EfficientKAN的B-样条和FastKAN的Gaussian RBFs，BSRBF-KAN实现了比其他KANs更快速的收敛速度。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“小波KAN”获取全部方案+开源代码

码字不易，欢迎大家点赞评论收藏