精度100%，参数减半
用Kolmogorov-Arnold网络替换传统MLP的自编码器，以更少参数实现更高精度的异常检测。
Nguyen Khanh, Son · Arun Kumar, Sangaiah · Chuang, Chun-Chi · Hsu, Honda · Hsu, Chungchian · Chang, Chuan Yu
IEEE Transactions on Consumer Electronics 2025
用KAN替换MLP，模型参数减少50%，显著降低对边缘设备存储和计算资源的需求。
在医疗异常检测中实现100%精确度，杜绝误报，确保告警可靠性。
训练与推理时间减半，支持在计算能力有限的物联网设备上实时部署和响应。
采用联邦学习，模型在本地训练、仅上传更新，原始患者数据不出设备，满足医疗隐私合规要求。