মাম্বা (স্টেট স্পেস মডেল)
মাম্বা হলো ২০২৩ সালে গু এবং দাও কর্তৃক প্রবর্তিত একটি সিকোয়েন্স মডেল আর্কিটেকচার যা ভাষার মডেলিংয়ের কাজে শক্তিশালী কর্মক্ষমতা বজায় রেখে রৈখিক-সময় জটিলতা অর্জন করে। স্টেট স্পেস মডেলগুলির সাথে ইনপুট-নির্ভর নির্বাচনযোগ্যতা (selectivity) একত্রিত করে, মাম্বা ট্রান্সফরমারগুলির দ্বিঘাত জটিলতার সমাধান করে এবং মডেলিং ক্ষমতা বজায় রাখে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/bn/deep-learning/mamba
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Latent Diffusion Modelsগভীর শিখন↔ compare
- মাস্কড অটোএনকোডারগভীর শিখন↔ compare
- ভিশন মাম্বাগভীর শিখন↔ compare
- ভিশন ট্রান্সফরমারগভীর শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →