Kolmogorov-Arnold Networks（KANs）是一种受Kolmogorov-Arnold表示定理启发的网络结构，它作为多层感知器（MLPs）的一个有希望的替代品被提出。KANs与MLPs的主要区别在于激活函数的位置：KANs在边上有激活函数，而MLPs在节点上有激活函数。这种简单的改变使得KAN在准确性和可解释性方面优于MLPs。
尽管如此，MLP仍然是一个重要的研究领域，并且在不同的应用场景中都有其独特的优势。例如，MLP和CNN之间的关系表明，MLP实际上是CNN的一个特例，这意味着MLP本身也具有CNN的一些特性。此外，MLP在2021-2022年期间的发展显示了其在特定任务上的有效性，如结合卷积层和MLP层可以实现最佳性能。
虽然KANs提供了一种可能优于MLPs的新结构，但MLP并没有被“干掉”。相反，MLP仍然是神经网络研究和应用中的一个重要组成部分，特别是在需要考虑长程依赖和局部特征提取的复杂任务中。此外，MLP的财务可持续性问题、与其他架构如CNN和Transformer的竞争，以及对超参数和模型理解的需求，都表明MLP仍然是一个活跃且不断发展的研究领域。
KANs作为一种新的网络结构，为MLPs提供了有希望的替代方案，但在当前阶段，MLP并没有被完全取代。MLP和KANs各有优势，它们在不同的应用场景和研究方向上都有其独特的价值和潜力。因此，我们不能简单地说MLP已经被“干掉”，而是应该看到它与新兴技术之间的互补和发展。
2. tensorflow源码MLP对比- 1.1 CNN卷积神经网络
3. KAN: Kolmogorov-Arnold Networks - 智源社区论文
4. Transformer要变Kansformer？用了几十年的MLP迎来挑战 ...
5. 归纳偏置多余了？靠“数据堆砌” 火拼Transformer，MLP 架构 ...
7. r - Difference between "mlp" and "mlpML" - Stack Overflow
9. Welcome to Kolmogorov Arnold Network (KAN) documentation!