Комплексное обновление проекта

- Добавлена документация по эмбеддингам (markdown + drawio)
- Реализован модуль PositionalEmbeddings
- Обновлен .gitignore
- Исправлено имя модуля token_embeddings.py

doc/positional_embeddings_ru.md

@@ -0,0 +1,56 @@
+# PositionalEmbeddings - Позиционные эмбеддинги
+
+## Назначение
+Позиционные эмбеддинги добавляют информацию о порядке элементов в последовательности. Критически важны для:
+- Transformer-архитектур
+- Моделей обработки текста (BERT, GPT)
+- Задач с временными рядами
+
+## Алгоритм работы
+
+```mermaid
+flowchart TD
+    A[Создание слоя] --> B[Запрос длины последовательности]
+    B --> C{Длина в допустимых пределах?}
+    C -->|Да| D[Генерация индексов 0..seq_len-1]
+    D --> E[Получение векторов из embedding-таблицы]
+    E --> F[Возврат эмбеддингов]
+    C -->|Нет| G[Ошибка IndexError]
+```
+
+1. **Инициализация**:
+   - Создается таблица размером `max_seq_len x emb_size`
+   - Каждая позиция получает уникальный обучаемый вектор
+
+2. **Работа**:
+   - Принимает длину последовательности `seq_len`
+   - Возвращает тензор формы `[seq_len, emb_size]`
+
+## Пример использования
+```python
+# Инициализация
+pos_emb = PositionalEmbeddings(max_seq_len=512, emb_size=128)
+
+# Получение эмбеддингов для 50 элементов
+embeddings = pos_emb(50)  # shape: [50, 128]
+
+# Интеграция в модель
+class TransformerBlock(nn.Module):
+    def __init__(self):
+        self.pos_emb = PositionalEmbeddings(512, 128)
+        
+    def forward(self, x):
+        pos = self.pos_emb(x.size(1))  # Добавляем к токенным эмбеддингам
+        return x + pos
+```
+
+## Сравнение подходов
+| Метод               | Обучаемость | Плюсы                          | Минусы                |
+|----------------------|-------------|--------------------------------|-----------------------|
+| Обучаемые            | Да          | Гибкость                       | Требует данных        |
+| Синусоидальные       | Нет         | Хорошая обобщающая способность | Фиксированный паттерн |
+
+## Оптимальные практики
+- Для `max_seq_len` берите с запасом (+20%)
+- Размерность делайте равной размерности токенных эмбеддингов
+- Для длинных последовательностей комбинируйте с синусоидальными