机器学习

本文介绍最大似然估计(MLE)和最大后验估计(MAP)两种参数估计方法。MLE通过最大化数据似然函数求最优参数，基于频率学派思想；MAP则在MLE基础上引入参数先验分布，属于贝叶斯学派方法。通过对比两者数学表达式，揭示了

本研究提出了AFT（Attention-free Transformer），通过简化注意力机制的设计，有效降低了空间复杂度至O(Td)，同时保持模型性能。分析表明AFT可视为逐通道多头注意力的变体，并结合局部注意力机制衍

在计算机视觉领域，如何有效捕捉不同尺寸的图像特征一直是个难题。特征金字塔网络（FPN）应运而生，通过独特的自底向上和自顶向下结构，有效融合多层次信息，突破了传统卷积网络对小尺寸特征的敏感性。本文将深入剖析FPN的工作原理

在序列处理的领域，一个问题始终萦绕在人们心头：如何最大化地利用已有的信息进行预测和生成新序列？本文探讨从自回归模型到复杂的Transformer架构，揭示神经网络如何通过隐变量、门控机制和注意力机制，逐步提升它们在序列生