狀態空間模型 vs 轉換器架構
State Space Model vs Transformer
狀態空間模型 側重 狀態空間模型是一種數學模型，用於描述系統隨時間演變的狀態。它包含狀態方程和觀測方程，廣泛應用於控制、預測和訊號處理。，而 轉換器架構 側重 完全基於 Attention 機制的架構，不用 RNN 的循環結構，能平行處理整個序列。
逐項比較
| 項目 | 狀態空間模型 | 轉換器架構 |
|---|---|---|
| 一句定義 | 狀態空間模型是一種數學模型，用於描述系統隨時間演變的狀態。它包含狀態方程和觀測方程，廣泛應用於控制、預測和訊號處理。 | 完全基於 Attention 機制的架構，不用 RNN 的循環結構，能平行處理整個序列 |
| 比喻 | 狀態空間模型就像一位精密的工程師，用數學公式來追蹤一個火箭的飛行軌跡和速度 -- 它不是只看火箭現在的位置，而是同時考慮它的速度、加速度等「內部狀態」，然後用數學公式來預測火箭接下來會怎麼動，即使我們不能直接看到所有內部狀態，也能推算出來。 | Transformer 就像一位同步口譯員 -- 不需要逐字翻譯，而是同時「看到」整段話，理解每個字在上下文中的意義後再翻譯 |
| 常見標籤 | 機器學習、時序分析、模型訓練 | 深度學習、自然語言處理、神經網路 |
| iPAS 關聯度 | 未知 | 未知 |
| 考生最常問 | 什麼時候比回歸更有用？ | 轉換器為什麼這麼重要？ |