关于状态空间方程（state space models）
h（t）本身的状态参量，x（t）是这一时刻的输入
h‘（t）的导数就是与本身的状态以及输入有关.
y(t)就是输出
因为NLP是要处理离散的状态，所以要将连续的状态转换成离散的状态
关于这个zoh离散化
h（t）与h（t-1）前一时刻还有输入相关，其实可以看到在形式上与连续状态空间方程类似
有个缺点：对于一个时间部，这里的ABC是一个固定的值 ，如果时间部不同，那么ABC也不同，那么就无法实现convolutional
关于current和convolutional
- Current：通常指的是递归神经网络（Recurrent Neural Network, RNN）中的术语，它表示网络在处理序列数据时，当前步骤的输出会依赖于前面步骤的信息。RNN能够处理任意长度的序列数据，并且在每一步都维护一个内部状态，这个状态就是“current state”，它包含了前面的信息。
- Convolutional：指的是卷积神经网络（Convolutional Neural Network, CNN）中的术语，它表示网络通过卷积层来提取特征。在卷积层中，神经元会对输入数据的局部区域进行卷积操作，以此来捕捉局部特征。
motivation
copy
输入是文本，我们要做的事是将文本中的单词copy到任意位置，这是简单的，因为对于同于一个token的ABC参数是一样的，因为我们可以对每个token采用相同参数处理
Token是文本中的最小单位，它可以是一个单词、一个标点符号或一个汉字。在处理文本数据时，模型会将输入文本拆分成一个个Token，每个Token都与一个唯一的数字ID相关联，这样模型就能够对其进行处理和理解。
selective copy
想把一些不相关的白色的词删去，但是因为每个token的ABC相同，很难有选择性，如果是transformer可以利用自注意力机制完成计算注意力分数，从而删除不相关的词语
Parallel scan
