摘要： DG-Mamba: Robust and Efficient Dynamic Graph Structure Learning withSelective State Space Models 論文的創新點 結論 本文提出了一種健壯高效的線性時間復雜度DGSL（動態圖結構學習）框架DG-Mamba。 閱讀全文

摘要： 閱讀全文

摘要： 掃描操作 提出原因 由于A B C這些矩陣現在是動態的了，因此無法使用卷積表示來計算它們(卷積核是固定的)，因此，我們只能使用循環表示，如此也就而失去了卷積提供的并行訓練能力。 選擇性機制（ABC dieta是動態的）會帶來兩個挑戰： 計算順序性：循環計算不能并行，效率低。每一步 ht 依賴 ht- 閱讀全文

摘要： 狀態空間模型 (SSM) 狀態空間模型（SSM），與Transformer和RNN一樣，用于處理信息序列，例如文本和信號。 SSM 是用于描述這些狀態表示并根據某些輸入預測其下一個狀態可能是什么的模型,然而，它不使用離散序列，而是將連續序列作為輸入并預測輸出序列 1.什么是狀態空間？ 狀態空間是一組 閱讀全文

摘要： 時不變： 如果一個系統在輸入信號發生時間平移后，其輸出信號也發生相同時間的平移，那么這個系統就是時不變系統。數學上可以這樣表達：如果輸入信號x(t) 產生輸出y（t）那么輸入信號x（t-e）（其中 e是任意時間延遲）應該產生輸出y(t-e)。簡而言之，時不變系統的特性不隨時間變化，輸入信號的時間平移 閱讀全文

摘要： 選中整個表 選中第一行 閱讀全文

摘要： Pytorch環境配置 下載并安裝miniconda Miniconda鏡像源的配置 conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add chan 閱讀全文

摘要： 刪除虛擬環境 conda remove --name 環境名稱 --all 查看虛擬環境 conda env list 激活虛擬環境 conda activate base 創建虛擬環境 conda create -n flower_classifier python=3.8 -y 清理緩存 con 閱讀全文

摘要： 閱讀全文

摘要： 1創建一個名為pytorch的虛擬環境 conda create -n pytorch python=3.12.4 2查看 3 激活 conda activate pytorch 4安裝pytorch https://pytorch.org/get-started/locally/ 點擊get st 閱讀全文