ترجمه فارسی مقاله بررسی مامبا

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Survey of Mamba
عنوان مقاله به فارسی بررسی مامبا
نویسندگان Haohao Qu, Liangbo Ning, Rui An, Wenqi Fan, Tyler Derr, Hui Liu, Xin Xu, Qing Li
فرمت مقاله انگلیسی PDF
تعداد صفحات 39
دسته بندی موضوعات Machine Learning,Artificial Intelligence,یادگیری ماشین , هوش مصنوعی ,
توضیحات Submitted 22 August, 2024; v1 submitted 2 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛V1 ارسال شده در 2 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 1,560,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

As one of the most representative DL techniques, Transformer architecture has empowered numerous advanced models, especially the large language models (LLMs) that comprise billions of parameters, becoming a cornerstone in deep learning. Despite the impressive achievements, Transformers still face inherent limitations, particularly the time-consuming inference resulting from the quadratic computation complexity of attention calculation. Recently, a novel architecture named Mamba, drawing inspiration from classical state space models (SSMs), has emerged as a promising alternative for building foundation models, delivering comparable modeling abilities to Transformers while preserving near-linear scalability concerning sequence length. This has sparked an increasing number of studies actively exploring Mamba's potential to achieve impressive performance across diverse domains. Given such rapid evolution, there is a critical need for a systematic review that consolidates existing Mamba-empowered models, offering a comprehensive understanding of this emerging model architecture. In this survey, we therefore conduct an in-depth investigation of recent Mamba-associated studies, covering three main aspects: the advancements of Mamba-based models, the techniques of adapting Mamba to diverse data, and the applications where Mamba can excel. Specifically, we first review the foundational knowledge of various representative deep learning models and the details of Mamba-1&2 as preliminaries. Then, to showcase the significance of Mamba for AI, we comprehensively review the related studies focusing on Mamba models' architecture design, data adaptability, and applications. Finally, we present a discussion of current limitations and explore various promising research directions to provide deeper insights for future investigations.

چکیده به فارسی (ترجمه ماشینی)

به عنوان یکی از نماینده ترین تکنیک های DL ، معماری ترانسفورماتور چندین مدل پیشرفته ، به ویژه مدل های بزرگ زبان (LLM) را که شامل میلیاردها پارامتر است ، توانمند کرده و تبدیل به یک سنگ بنای در یادگیری عمیق می شود.با وجود دستاوردهای چشمگیر ، ترانسفورماتورها هنوز با محدودیت های ذاتی روبرو هستند ، به ویژه استنباط وقت گیر ناشی از پیچیدگی محاسبات درجه دوم محاسبه توجه.به تازگی ، یک معماری جدید به نام Mamba ، الهام بخش از مدل های فضای کلاسیک حالت (SSMS) ، به عنوان یک جایگزین امیدوار کننده برای مدل های بنیاد ساختمانی ظاهر شده است ، و در عین حال حفظ مقیاس پذیری تقریباً خطی در مورد طول دنباله ، توانایی های مدل سازی قابل مقایسه را به ترانسفورماتورها ارائه می دهد.این امر باعث شده است که تعداد فزاینده ای از مطالعات به طور فعال در مورد پتانسیل مامبا برای دستیابی به عملکرد چشمگیر در حوزه های متنوع ، به طور فعال ایجاد شود.با توجه به چنین تکامل سریع ، یک نیاز اساسی به یک بررسی منظم وجود دارد که مدلهای موجود در MAMB-EMPANE را تثبیت می کند و درک کاملی از این معماری مدل نوظهور ارائه می دهد.در این بررسی ، بنابراین ما یک تحقیق عمیق از مطالعات اخیر MAMBA را انجام می دهیم ، سه جنبه اصلی را پوشش می دهد: پیشرفت مدل های مبتنی بر مامبا ، تکنیک تطبیق Mamba با داده های متنوع ، و برنامه هایی که Mamba می تواند از آن خارج شود.به طور خاص ، ما ابتدا دانش بنیادی مدل های مختلف یادگیری عمیق نماینده و جزئیات Mamba-1 & 2 را به عنوان مقدماتی مرور می کنیم.سپس ، برای نشان دادن اهمیت Mamba برای هوش مصنوعی ، ما به طور جامع مطالعات مرتبط با تمرکز بر طراحی معماری مدل های Mamba ، سازگاری داده ها و برنامه ها را مرور می کنیم.سرانجام ، ما بحثی در مورد محدودیت های فعلی ارائه می دهیم و مسیرهای مختلف تحقیق امیدوارکننده را برای ارائه بینش عمیق تر برای تحقیقات آینده کشف می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.