Mamba (model prostora stanja)
Mamba je arhitektura sekvencijalnog modela koju su predstavili Gu i Dao 2023. godine, a koja postiže linearnu vremensku složenost uz održavanje snažnih performansi na zadacima modelovanja jezika. Kombinovanjem modela prostora stanja sa selektivnošću zavisnom od ulaza, Mamba rešava kvadratnu složenost transformera, istovremeno čuvajući moć modelovanja.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/sr/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.
- Latentni difuzioni modeliDuboko učenje↔ compare
- Masked AutoencodersDuboko učenje↔ compare
- Vision MambaDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →