Machine learningDeep Learning, Sequence Models, State Space Models
맘바 (상태 공간 모델)
맘바는 Gu와 Dao가 2023년에 소개한 시퀀스 모델 아키텍처로, 언어 모델링 작업에서 강력한 성능을 유지하면서 선형 시간 복잡도를 달성합니다. 상태 공간 모델과 입력 의존 선택성을 결합함으로써, 맘바는 트랜스포머의 이차 복잡성 문제를 해결하는 동시에 모델링 능력을 보존합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/ko/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.
- 잠재 확산 모델딥러닝↔ compare
- Masked Autoencoders딥러닝↔ compare
- Vision Mamba딥러닝↔ compare
- Vision Transformer딥러닝↔ compare