Mamba (Model i Hapësirës së Gjendjes)
Mamba është një arkitekturë modelesh sekuencash e prezantuar nga Gu dhe Dao në vitin 2023, e cila arrin kompleksitet kohor linear duke ruajtur performancë të fortë në detyrat e modelimit të gjuhës. Duke kombinuar modelet e hapësirës së gjendjes me selektivitetin e varur nga hyrja, Mamba adreson kompleksitetin kuadratik të transformatorëve duke ruajtur fuqinë modeluese.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/sq/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.
- Modelet Difuzive LatenteMësimi i thellë↔ compare
- Auto-koduesit e maskuarMësimi i thellë↔ compare
- Vision MambaMësimi i thellë↔ compare
- Vision TransformerMësimi i thellë↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →