定位准、训练省
融合上下文锚定注意力与KAN的Vision Transformer，能高效精准地从全局应变场推断缺陷与异质材料位置。
Li, Yalin · Guan, Jinwei · 国立
Engineering Applications of Artificial Intelligence 2025
三类问题的判定系数和准确率均达到高水平（R² 最高 93.19%，准确率最高 98.72%），优于常规模型。
引入 CAA 和 KAN 后，参数存储开销降低 51.0%，模型更轻量，便于部署。
通过 Grad-CAM 分析了推理过程和决策机制，揭示了模型预测的内在原理，便于信任和调试。