เปรียบเทียบวิธี

	เครือข่ายคอนโวลูชันกราฟเชิงพื้นที่-เวลา	Mamba (แบบจำลองปริภูมิสถานะ)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2018	2023
ผู้ริเริ่ม	Sijie Yan	Albert Gu
ประเภท	Neural network architecture	Neural network architecture
แหล่งต้นตำรับ	Yan, S., Xiong, Y., & Lin, D. (2018). Spatial temporal graph convolutional networks for skeleton-based action recognition. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 32).	Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956.
ชื่อเรียกอื่น	ST-GCN, Spatial-Temporal Graph CNN	Mamba, State space models, Selective state space
ที่เกี่ยวข้อง	4	4
สรุป	Spatial-Temporal Graph Convolutional Networks (ST-GCN) is an architecture introduced by Yan et al. in 2018 for skeleton-based action recognition. By modeling human skeletons as graphs where joints are nodes and bones are edges, ST-GCN applies graph convolutions across space and time to recognize actions from skeleton sequences.	Mamba is a sequence model architecture introduced by Gu and Dao in 2023 that achieves linear-time complexity while maintaining strong performance on language modeling tasks. By combining state space models with input-dependent selectivity, Mamba addresses the quadratic complexity of transformers while preserving modeling power.