SIM的核心思想可以概括为"先粗筛，后精算"的两阶段范式： General Search Unit (GSU 通用搜索单元 )：从原始的长序列中，以极低的成本快速检索出与当前候选物品（Target Item）最相关的K个行为。对于软搜索，GSU和ESU共享相同的嵌入参数，并在学习过程中同时训练，根据最新参数生成Top-K行为序列。2. 数值有【继承渐变关系】，h1--》h2--》h3--》h4，每

模型本身的差异，

Transformer的decoder部分是自回归，会将输出逐个的作为decoder的输入返回给Transformer，它是不需要考虑Tokenization的（严谨吧？自回归模型指利用历史已知序列预测下一时刻内容，单向生成、屏蔽未来信息；代表模型包括：LSTM/GRU、GPT 全系、Llama 等 Decoder-only 大模型，以及 Transformer 解码器；而 BERT、Transf

         监督学习中，如果预测的变量是离散的，我们称其为分类（如决策树，支持向量机等），如果预测的变量是连续的，我们称其为回归。回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。对于二维空间线性是一条直线；对于三维空间线性

像素概述　　虽然人们经常听到“像素”一词，也依稀知道一些含义，但不少人对其确切意义和特点并不清楚。像素就是组成数字图像的最小单元，即一个一个彩色的颜色点。像素一词是个外来词，在英文中，像素这个单词Pixels就是由“Picture（图像）”和“Element（元素）”两个单词的词头“Pi-el-”拼合而成的。是构成图像的元素的意思。从中文来说，像素这个术语是“图像元素”一词的简称。

本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归Linear Regression  注意一句话：多变量线性回归之前必须要Feature Sca

模式识别 图像处理爱好者请加群号：176616132

本文会讲到：(1)线性回归的定义(2)单变量线性回归(3)cost function：评价线性回归是否拟合训练集的方法(4)梯度下降：解决线性回归的方法之一(5)feature scaling：加快梯度下降执行速度的方法(6)多变量线性回归Linear Regression  注意一句话：多变量线性回归之前必须要Feature Sca