Mamba (Model Ruang Keadaan)
Mamba adalah arsitektur model sekuensial yang diperkenalkan oleh Gu dan Dao pada tahun 2023 yang mencapai kompleksitas linier sambil mempertahankan kinerja yang kuat pada tugas pemodelan bahasa. Dengan menggabungkan model ruang keadaan (state space models) dengan selektivitas yang bergantung pada masukan, Mamba mengatasi kompleksitas kuadratik transformer sambil mempertahankan kekuatan pemodelan.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/id/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.
- Model Difusi LatenPembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Vision MambaPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →