यह शोधपत्र एक नवीन ध्यान क्रियाविधि प्रस्तावित करता है, जिसे अनुकूली फ़िल्टर ध्यान (AFA) कहा जाता है। AFA ध्यान भारों की गणना में एक सीखने योग्य गतिशील मॉडल को सीधे एकीकृत करता है। क्वेरीज़ और कुंजियों की सीधे तुलना करने के बजाय, यह इनपुट अनुक्रम को एक रैखिक स्टोकेस्टिक अवकल समीकरण (SDE) के असतत प्रेक्षणों के रूप में मॉडल करता है। साथ ही, एक विकर्णीय अवस्था मैट्रिक्स और रव सहप्रसरण के साथ एक रैखिक गतिशील मॉडल लागू करके, यह अवकल ल्यापुनोव समीकरण के बंद-रूप समाधान का उपयोग करके गतिशील पारस्परिक अनिश्चितता को कुशलतापूर्वक प्रसारित करता है। ध्यान स्वाभाविक रूप से इस रैखिक SDE के लिए एक अधिकतम संभाव्यता समाधान के रूप में उभरता है, और ध्यान भार प्रसारित पारस्परिक परिशुद्धता पर आधारित सुदृढ़ अवशिष्ट पुनर्भारन के अनुरूप होते हैं। अवस्था मैट्रिक्स के आइगेनवैल्यू पर अतिरिक्त प्रतिबंध लगाने से मानक ध्यान के समान ही गणनात्मक और स्मृति जटिलता वाला एक सरलीकृत रूप प्राप्त होता है। एक लघु-कोण सन्निकटन का उपयोग करके और गतिशील तत्वों और प्रक्रिया शोर के लुप्त होने को सीमित करके, विशिष्ट आंतरिक उत्पाद ध्यान को पुनः प्राप्त करना संभव है।
