实体
LrcSSM
LrcSSM
PulseAugur coverage of LrcSSM — every cluster mentioning LrcSSM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新研究通过深度递归和输入重塑改进状态空间模型
一篇新的研究论文介绍了两种增强状态空间模型（SSM）的方法，使其更高效、性能更好。第一种方法是深度递归，通过多次迭代一个较小的模型来减少SSM的内存占用，同时不牺牲性能。第二种方法通过调整时间粒度和特征维度来优化呈现给模型的信息，从而提高性能。这些技术在LRU、S5、LinOSS和LrcSSM等几种SSM架构上进行了测试，并显示出持续的益处。
-
Looped SSMs 通过深度递归提升时间序列分类性能
研究人员推出了一种新颖的状态空间模型（SSM）方法——Looped SSMs，用于时间序列分类。该方法通过应用深度递归来提高性能，其中模型块跨层重用，类似于循环 Transformer。研究还强调了输入重塑技术（如连接或展平时间步）的显著优势，这些技术进一步提高了准确性。