Machine learningDeep Learning, Sequence Models, State Space Models
माम्बा (स्टेट स्पेस मॉडल)
माम्बा (Mamba) 2023 में गु और दाओ द्वारा प्रस्तुत एक अनुक्रम मॉडल आर्किटेक्चर है जो भाषा मॉडलिंग कार्यों पर मजबूत प्रदर्शन बनाए रखते हुए रैखिक-समय जटिलता प्राप्त करता है। स्टेट स्पेस मॉडल को इनपुट-निर्भर चयनात्मकता के साथ जोड़कर, माम्बा ट्रांसफार्मर की द्विघात जटिलता को संबोधित करता है जबकि मॉडलिंग शक्ति को बनाए रखता है।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/hi/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.
- प्रसुप्त विसरण मॉडलगहन अधिगम↔ compare
- मास्क्ड ऑटोएन्कोडर्सगहन अधिगम↔ compare
- Vision Mambaगहन अधिगम↔ compare
- विजन ट्रांसफार्मरगहन अधिगम↔ compare