Mamba (Valsts telpas modelis)
Mamba ir secību modelēšanas arhitektūra, ko 2023. gadā ieviesa Gu un Dao, un kas sasniedz lineāru laika sarežģītību, vienlaikus saglabājot spēcīgu veiktspēju valodu modelēšanas uzdevumos. Apvienojot valsts telpas modeļus ar uz ievadiem atkarīgu selektivitāti, Mamba risina transformatoru kvadrātisko sarežģītību, saglabājot modelēšanas jaudu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/lv/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 ModelsDziļā mācīšanās↔ compare
- Apslēptie autoenkoderiDziļā mācīšanās↔ compare
- Vision MambaDziļā mācīšanās↔ compare
- Vision TransformerDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →