mamba

TSMamba：基于Mamba架构的高效时间序列预测基础模型在当今数据驱动的世界中，时间序列预测在多个领域扮演着关键角色。从医疗保健分析师预测患者流量，到金融分析师预测股市趋势，再到气候科学家预测环境变化，准确的时间序列预测都至关重要。然而，传统的预测模型面临着三个主要挑战：

＾哪来的＆永远～

win11环境下成功安装mamba参考：https://blog.csdn.net/yyywxk/article/details/136071016

AAI机器之心

LIama 3+Mamba联手，推理速度提升1.6倍这是来自Together AI的新作，通过蒸馏将Transformer和Mamba模型结合到了一起，同时还为混合模型涉及了推理加速算法

MedMamba代码解释及用于糖尿病视网膜病变分类MedMamba发表于2024.9.28，是构建在Vision Mamba基础之上，融合了卷积神经网的架构，结构如下图：

Transformer、RNN和SSM的相似性探究：揭示看似不相关的LLM架构之间的联系通过探索看似不相关的大语言模型(LLM)架构之间的潜在联系,我们可能为促进不同模型间的思想交流和提高整体效率开辟新的途径。

少说多想勤做

【计算机视觉前沿研究热点顶会】ECCV 2024中Mamba有关的论文近年来，图像恢复技术取得了长足的进步，这在很大程度上归功于现代深度神经网络的发展，如 CNN 和 Transformers。然而，现有的修复骨干往往面临全局接受域和高效计算之间的两难困境，阻碍了它们在实践中的应用。最近，选择性结构化状态空间模型，特别是改进的 Mamba 模型，在线性复杂度的长程依赖建模方面显示出了巨大的潜力，为解决上述困境提供了一条途径。然而，标准的 Mamba 在低层视觉方面仍然面临着一定的挑战，如局部像素遗忘和通道冗余。在这项工作中，我们引入了一种简单但有效的基线，称为 MambaI

Phoenixtree_DongZhao

Mambular:表格深度学习的顺序模型https://github.com/basf/mamba-tabularhttps://arxiv.org/pdf/2408.06291

VMamba: Visual State Space Model论文笔记论文地址: https://arxiv.org/abs/2401.10166 代码地址: https://github.com/MzeroMiko/VMamba

Mamba: Linear-Time Sequence Modeling with Selective State Spaces论文笔记论文地址: https://arxiv.org/abs/2312.00752 代码: https://github.com/state-spaces/mamba 主要学习Mamba的结构，因此不包含实验及后面的部分

Mamba+时间序列预测！既要SOTA又要低开销！Mamba在性能和效率上的优势大家都有目共睹，因此最近越来越多研究也开始关注Mamba+时间序列预测。

将YOLO格式数据集转换为YOLO-Mamba等特定工具指定的数据集格式在FER_YOLO_Mamba/data/2007_val.txt中可以看到YOLO-Mamba接受的特定数据集格式

新一代状态空间模型网络替代Transformer 综述本文首先初步介绍了状态空间模型（SSM）的工作原理。然后，从多个方面回顾SSM的相关工作，包括SSM的起源和变化、自然语言处理、计算机视觉、图、多模态处理、多模态和多媒体、点云/事件流数据、时间序列数据等领域的相关工作。

深入浅出一文图解Vision Mamba（ViM）2024年04月29日16:06:08，今天开始记录mamba模块的学习与使用过程。亲测，根据下文的安装步骤，即可成功！

鹅毛在路上了

【DL水记】循环神经网络RNN的前世今生，Transformer的崛起，Mamba模型“当人类接触新事物时，他们不会从头开始思考。就像你在阅读这篇文章时，你会根据以前的知识理解每个单词，而不是舍弃一切，从字母开始重新学习。换句话说，你的思维有延续性。”

Mamba 基础讲解【SSM,LSSL,S4,S5,Mamba】🔥🔥🔥 在学习完mamba的基础原理后，可以阅读源码，加深理解。 Mamba复现与代码解读最近非常火的语言模型都是Transformer模型。举几个例子，OpenAI的ChatGPT、谷歌的Gemini和GitHub的Copilot都是由Transformers驱动的。然而，transformer最大的问题是:它们都采用了注意力机制，而注意力随序列长度的二次增长。简单地说，对于快速交流(要求ChatGPT讲一个笑话)，这个还好。但对于需要大量单词的查询(要求ChatGPT总结100页的文档)，tra

Swin版VMamba来了！精度再度提升，VMamba-S达成83.5%，超越Swin-S，已开源！本文首发：AIWalker就在昨日，华科王兴刚团队公开了Mamba在ViT的入局Vim，取得了更高精度、更快速度、更低显存占用。相关信息可参考：

MAMBA介绍：一种新的可能超过Transformer的AI架构有人说，“理解了人类的语言，就理解了世界”。一直以来，人工智能领域的学者和工程师们都试图让机器学习人类的语言和说话方式，但进展始终不大。因为人类的语言太复杂，太多样，而组成它背后的机制，往往又充满着不可名状的规律。