基于多尺度稀疏分支的KAN自适应函数组合方法及装置

本发明公开了一种基于多尺度稀疏分支的KAN自适应函数组合方法及装置，属于人工智能与机器学习技术领域。该方法包括：启动动态选择机制并初始化模型参数；对输入数据进行标准化处理，通过多尺度特征提取和分层注意力机制计算函数选择权重；基于权重筛选并激活相关函数模块，形成稀疏计算路径；执行激活模块的特征计算并采用加权融合策略整合输出；在深层网络中迭代执行模块选择与特征融合，构建深层次特征表示；最终基于融合特征生成预测结果，通过损失计算和反向传播实现模型优化。本发明不仅显著提高了推理速度和计算效率，而且具备良好的输入适应性，能够降低能耗并增强模型可解释性，适用于计算机视觉、自然语言处理、工业控制等应用场景。