efficient-kan

这是一个高效纯PyTorch实现的Kolmogorov-Arnold网络（KAN），旨在替代传统MLP，通过B样条基函数实现可学习的、逐维解耦的激活映射。项目核心优化在于重构计算流程：避免原始实现中高维张量展开，将激活函数计算转化为基函数预激活+线性组合，显著降低内存开销并支持标准矩阵乘法前向/反向传播；同时采用权重L1正则替代样本级L1以兼顾稀疏性与效率，并提供可选的独立样条缩放参数。适用于需要强可解释性、低参数量建模及函数逼近任务的场景，如科学计算代理模型、小样本回归与可解释AI研究。