Mamba (Model d'Espai d'Estats)
Mamba és una arquitectura de model de seqüència introduïda per Gu i Dao el 2023 que aconsegueix una complexitat de temps lineal mantenint un rendiment sòlid en tasques de modelització del llenguatge. Combinant models d'espai d'estats amb selectivitat dependent de l'entrada, Mamba aborda la complexitat quadràtica dels transformadors tot preservant la capacitat de modelització.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/ca/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.
- Models de difusió latentsAprenentatge profund↔ compare
- Autoencoders emmascaratsAprenentatge profund↔ compare
- Vision MambaAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →