Machine learningDeep Learning, Sequence Models, State Space Models
Mamba (แบบจำลองปริภูมิสถานะ)
Mamba คือสถาปัตยกรรมแบบจำลองลำดับที่ Gu และ Dao นำเสนอในปี 2023 ซึ่งมีความซับซ้อนเชิงเส้นในขณะที่ยังคงประสิทธิภาพที่แข็งแกร่งในงานการสร้างแบบจำลองภาษา ด้วยการรวมแบบจำลองปริภูมิสถานะเข้ากับการเลือกขึ้นอยู่กับอินพุต Mamba สามารถแก้ไขความซับซ้อนกำลังสองของ transformer ในขณะที่ยังคงรักษาพลังในการสร้างแบบจำลองไว้ได้
อ่านวิธีฉบับเต็ม
สำหรับสมาชิกเท่านั้น
เข้าสู่ระบบเข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Gu, A., & Dao, C. (2023). Mamba: Linear-time sequence modeling with selective state spaces. arXiv preprint arXiv:2312.08956. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Mamba: Linear-Time Sequence Modeling with Selective State Spaces. ScholarGate. https://scholargate.app/th/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.
- [NEEDS TRANSLATION]การเรียนรู้เชิงลึก↔ compare
- Masked Autoencodersการเรียนรู้เชิงลึก↔ compare
- วิชันแมมบ้าการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare