Mamba (tilamallimalli)
Mamba on Gu:n ja Daon vuonna 2023 esittelemä sekvenssimallin arkkitehtuuri, joka saavuttaa lineaarikestoisen laskentakompleksisuuden säilyttäen samalla vahvan suorituskyvyn kielimallinnustehtävissä. Yhdistämällä tilamallit (state space models, SSM) syöteriippuvaiseen selektiivisyyteen Mamba ratkaisee transformerien neliöllisen kompleksisuuden ongelman säilyttäen mallinnusvoiman.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/fi/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 ModelsSyväoppiminen↔ compare
- Masked AutoencodersSyväoppiminen↔ compare
- Vision MambaSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →