Fork me on github
摘要: DG-Mamba: Robust and Efficient Dynamic Graph Structure Learning withSelective State Space Models 论文的创新点 结论 本文提出了一种健壮高效的线性时间复杂度DGSL(动态图结构学习)框架DG-Mamba。 阅读全文
posted @ 2025-10-11 16:18 我の前端日记 阅读(23) 评论(0) 推荐(0)
摘要: 阅读全文
posted @ 2025-10-11 11:16 我の前端日记 阅读(6) 评论(0) 推荐(0)
摘要: 扫描操作 提出原因 由于A B C这些矩阵现在是动态的了,因此无法使用卷积表示来计算它们(卷积核是固定的),因此,我们只能使用循环表示,如此也就而失去了卷积提供的并行训练能力。 选择性机制(ABC dieta是动态的)会带来两个挑战: 计算顺序性:循环计算不能并行,效率低。每一步 ht 依赖 ht- 阅读全文
posted @ 2025-10-10 20:56 我の前端日记 阅读(39) 评论(0) 推荐(0)
摘要: 状态空间模型 (SSM) 状态空间模型(SSM),与Transformer和RNN一样,用于处理信息序列,例如文本和信号。 SSM 是用于描述这些状态表示并根据某些输入预测其下一个状态可能是什么的模型,然而,它不使用离散序列,而是将连续序列作为输入并预测输出序列 1.什么是状态空间? 状态空间是一组 阅读全文
posted @ 2025-10-10 20:48 我の前端日记 阅读(72) 评论(0) 推荐(0)
摘要: 时不变: 如果一个系统在输入信号发生时间平移后,其输出信号也发生相同时间的平移,那么这个系统就是时不变系统。数学上可以这样表达:如果输入信号x(t) 产生输出y(t)那么输入信号x(t-e)(其中 e是任意时间延迟)应该产生输出y(t-e)。简而言之,时不变系统的特性不随时间变化,输入信号的时间平移 阅读全文
posted @ 2025-10-10 17:34 我の前端日记 阅读(33) 评论(0) 推荐(0)
摘要: 选中整个表 选中第一行 阅读全文
posted @ 2025-05-20 20:12 我の前端日记 阅读(6) 评论(0) 推荐(0)
摘要: Pytorch环境配置 下载并安装miniconda Miniconda镜像源的配置 conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add chan 阅读全文
posted @ 2025-05-19 14:36 我の前端日记 阅读(42) 评论(0) 推荐(0)
摘要: 删除虚拟环境 conda remove --name 环境名称 --all 查看虚拟环境 conda env list 激活虚拟环境 conda activate base 创建虚拟环境 conda create -n flower_classifier python=3.8 -y 清理缓存 con 阅读全文
posted @ 2025-05-16 20:57 我の前端日记 阅读(9) 评论(0) 推荐(0)
摘要: 阅读全文
posted @ 2025-05-16 10:08 我の前端日记 阅读(12) 评论(0) 推荐(0)
摘要: 1创建一个名为pytorch的虚拟环境 conda create -n pytorch python=3.12.4 2查看 3 激活 conda activate pytorch 4安装pytorch https://pytorch.org/get-started/locally/ 点击get st 阅读全文
posted @ 2025-05-08 08:49 我の前端日记 阅读(9) 评论(0) 推荐(0)
Copyright © 2021 LinCangHai
Powered by .NET 5.0 on Kubernetes