KAN只不过是样条曲线和MLP的组合，利用了各自的优点并避免了各自的缺点。样条对于低维函数来说是准确的，易于局部调整，并且能够在不同分辨率之间切换。然而，样条曲线存在严重的维数灾难(COD)问题，因为它们无法利用组合结构。另一方面，MLP受到COD的影响较小，但由于其无法优化单变量函数，因此在低维度上不如样条准确。1）作者所提出的更深层次的KAN模型，在实验上取得了一些成功，但只对其做了初步的数学