卷积神经网络(CNN)自提出以来，一直在图像处理领域取得了突破性进展。CNN

能够自动提取数据的特征，并通过卷积层的堆叠学习更高层次的特征表示。它的

强大能力使得其在处理具有空间结构的数据(如图像、视频等)时表现尤为突出。

然而,传统的CNN对于顺序数据或时序数据的处理并不如传统循神经网络(RNN)

等模型那样有效。为了解决这一问题，一些研究者尝试将注意力机制(Attention)

引入到CNN模型中，提升其在处理时序数据时的表现。自注意力机制通过自适应

地调整数据中的不同部分的关注度，使得模型可以捕捉到序列中的长期依赖关系,

极大地增强了模型对特征的表达能力