Mamba (tilstandsromsmodell)
Mamba er en sekvensmodellarkitektur introdusert av Gu og Dao i 2023 som oppnår lineær tidskompleksitet samtidig som den opprettholder sterk ytelse på språkmodellerings-oppgaver. Ved å kombinere tilstandsromsmodeller med inngangsavhengig selektivitet, adresserer Mamba den kvadratiske kompleksiteten til transformere, samtidig som den bevarer modelleringskraft.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/no/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.
- Latente diffusjonsmodellerDyp læring↔ compare
- Maskerte autoenkodereDyp læring↔ compare
- Vision MambaDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →