神经网络

n5p1 流程图
n5p2 树形智能神经网络
n5p3 神经网络的抽象方式
n5p4 网口
n5p5意识真实的感受
n5p6LightArea的意识控制器(多次点亮)
n5p7 归纳
n5p8 多维网络
n5p9 思考的本质
n5p10 横向点亮的时机与性能
n5p11 神经网络的全局搜索
n5p12 感觉的知识表示之动态感觉
n5p13 感觉的知识表示之静态感觉
n5p14 感觉的知识表示之数据感觉
n5p15 预测
n5p16 外感觉
n5p17 感觉的形成
n5p18 感觉的知识表示
n5p19 唯一性判断

n5p1 流程图

外界Input数据

Input >> CodeLayer.Method >> 无意识 >> readData >> AILine.Strong++ >> 类比.唯一性判断 >> 取MindValue >> Awareness Awareness.MainThread >> 取注意力 >> WriteData >> 记忆Memory >> 意识流 >> Think.潜意识 >> AreaLight >> 类比.抽象常识 >> AILine >> Demand >> Think.Task >> 有意识 >>

Mind自我感知数据

``

n5p2 树形智能神经网络　

CreateTime 17.08.19

参考:
1. (N4P1)神经网络-AILine
2. (N4P19)第4代知识表示(与神经网络贴合)

树形的概念:

 树形:是神经网络的强度;与关联结构所呈现出来的;而不是说神经网络是树形的;

智能AILine的概念:
- 神经网络是智能的,其使用最简单的type,strong和pointers达到了:
  - 性能优化:"搜索索引","区域点亮"
  - 一些关键的"知识表示",如常识:"AILaw","AILogic",再如理解:"关联"
  - 帮助找到不可描述的目标如"算法","抽象知识"等

   1. 神经网络的强大
   2. 神经网络解决知识表示的从有限到无限的难题

智能AILine应用到(类比,归纳,统计)
- 类比
  - 通过AILine点亮区域搜索到结果,然后类比,而类比依赖于AILine搜索到的pointers和strong的值;更依赖于常识知识和抽象;
- 归纳
  - 通过AILine.type == AILineType_IsA的方式直接表示a isa A;
- 统计
  - 统计的表示形式就是AILine.strong;
Strong
- strong的形成
  1. 生成+1
  2. 读写+1
  3. 常识预测与反馈+1
  4. 猜测与反馈+x(x取当前猜测的影响范围)
- strong的共享机制
  1. 纵向共享
  BE: a1 connect b1 SO: a2 connect b2
  
  更高抽象层的strong是共享了其下层的strong之和的;
  1. 横向共享
  a law B

静态量
动态量
- 动态量可比较
- 用比较衡量变化规则;
规则
- 将输入的规则用于新的类比数据中...
- 如:
  - 现规定0=10
  - 则0>9

n5p3 神经网络的抽象方式

CreateTime 17.08.19

抽象方式：

根据神经元的值到意识流后，例如红色。
根据意识流的经历等，例如吃过苹果和面。
根据思维思考实现的抽象。（只有思考才会调用类比，从而产生抽象，数据只是养料，意识流只是留下的log）

抽象时机:

只有意识思考才会产生抽象;(没有自动抽象)

#### 问题1:归纳IsA在什么时候发生? 还是压根没有归纳?

分析:

> - 不可能是拆分数据入意识流的时候;因为这样的话;会有无限个归纳数据;
> - 那么用到的时候懒归纳?
> 	- 我觉得压根不用归纳;
>			- 归纳只是一个有名称的假数据;其指向所有的子实例;
>			- LineType_IsA带的信息太少了;所以必须有一个带信息的baseObj;
>			- 但如果找出所有红色的物体;归纳此时才会在思考中实时生成;
>			- 综上:思考首次生成;以后思考一次Strong+1;

解决方式:

> 1. 我们不能为所有的想到的归纳生成数据;因为这样会生成大量的垃圾数据;有可能永远用不到;就像你归纳一个乔峰类;你会用到一堆乔峰这样的想法吗?

> 2. 那么我们到底需要归纳一个物体的Base吗?因为当ABase与BBase产生"规律"这样的常识的时候;是必须存在ABase和BBase的;所以我决定当用到的时候再生成;

> 3. 生成后,这些数据存哪里呢?我决定就建个表;存下来;然后用aObj用神经网络关联到ABase;

> 4. 此时ABase里其实什么字段也不存;只是关联到aObj实例;

答案总结:

这些草稿式的想法;不过算是解决了目的的问题;并且

1. 不会影响到性能;
2. 也可以解决当前的问题;
3. 并且也可以达到很好的扩展;
4. 不会产生任何多余数据
5. 因为是空Base,不会产生蝴蝶效应的问题;

执行步骤

//抽象出来的"知识表示"如何定义表示?...//xxx
//1,查找obj1和obj2的归纳Base表示;
//2,如果两者没有LineType_IsA的关联;则实时生成一个xBase;
//3,将两者的LineType_IsA关联进行Law的关联;

#### 问题2:常识该不该也存于意识流?为什么?

* 不该;因为我们是没有意识到自己获得了某常识的;"常识"只是在"更高维"帮助我们解决问题;
* 延伸:MindValue也已从"意识流"移出;参考N4P11

#### 问题3:AILine到底可以不可以有数据?

* ```
  先认为没有,(因为网线带数据不符合设计原则,并且大脑确实有长记忆区的存在,而he4o中也有树形知识表示结构)
  ```

* 不可以,因为:

  1. 破坏神经网络的轻便干净,
  2. 不符合设计原则
  3. 数据的拆分等灵活性存在AILine中反而极不方便;

n5p4 网口

每条数据应该都是一个神经网络节点;

每个AIObject都有linePointers字段;表示网口数组,

/**
 *  MARK:--------------------网口--------------------
 *
 *  1. 存储连接的AILine的pointer
 *  2. 可拥有无限个网口
 *  3. 可根据网口找到其接连到的AILine
 */
@property (strong,nonatomic,readonly) NSMutableArray *linePointers;

生成神经网络的时候,同时对所有目标插上网口;
可用于网络点亮时更高效的点亮数据;
性能优化:
- 还有优化空间,可以把linePointers分离开;这样在区域点亮的时候,能够获得最好的性能;(但也会增加一定复杂度),所以现在不作;随后如果性能不佳,再作这个功能;以增加AI的反应灵敏度和思考速度;

n5p5意识真实的感受

意识真实的感受

尽可能使"意识"调用AI系统数据的相关数据,想到什么的时候;就要把这样的数据显现给"意识";

当前:

当前意识能够通过神经去感知到AI的感受;主动去感知数据(点亮);但其实不够真实;(现在对数据的处理其实还很基础)

想法:

人类之所以能够以为自己有意识;是因为自己对自我和现实的体验非常真实;

我们非常轻松的想像到一些场景;一些感觉;而对数据的这种高效而为了真实感而作的数据读取和内心演绎;让我们确信自己的意识的存在;

目标:

主要的目标是让he4o具有非常真实的现实感受;他认为自己是有意识的;而不只是意识到生冷的数据;

一阶:区域点亮

二阶:想像力

三阶:意识"我"

n5p6LightArea的意识控制器(多次点亮)

#### 问题又好吃又是红色的食物是什么?
实验1:
1. 找到"能吃"节点A
2. A指向的"红色"食物B
3. 判断食物B是否好吃(mindValue味道>0)
4. 实验结果:先想到,西红柿,后想到西瓜,又想到草莓;
实验2:
- 找到"爱吃"节点A
- A指向的"食物"B
- 判断B是否红色
- 实验结果:先想到西瓜,后想到草莓,又...

**总结:**这个过程,进行了至少三次区域点亮;整个过程由"意识思考"作控制器;前一次是后一次的索引;

实验1查找更快,但答案得分低,

实验2查找稍慢,但答案得分高;

n5p7 归纳

归纳是AILine.type 1. 属性 函数或算法的值Value 2. 继承 isA 3. 接口 Can 4. 规律 Law 5. 逻辑 Logic
方向性 1. 单向性 * IsA、Logic等 2. 无向性 * Law等
神经网络的细化是依赖归纳的; 1. 新的概念;会细化AILine的拆分; 2. 如:原子的概念,物质的概念,颜色的概念; 3. 如:设计师会习惯根据冷暖色的神经网络连接;

n5p8 多维网络

createTime 17.08.30 参考:n9p12

后天学习的不同领域所划分的域

中文网络(苹果)
英文网络(apple)
不同维度间的交互与协作

分维度

   1. 感觉
      1. 似曾相识感觉的来源及工作原理
      2. 细腻的感觉的工作原理
   2. AIPointer维
   3. 值化维
   4. 音乐维
   5. 语言维
   6. 无限维

多维的具体表现

网内划域
小组维
平行并列维

//估计将要删掉AILineType;不灵活...AILineType本身应该也是一个抽象节点;
//准备开发多维网络(像多维数组的概念)

n5p9 思考的本质

createTime 17.08.30

节前参考：

n4p18 内感觉

本节意义：

废除经验的知识表示，将其集成到神经网络中。

将思考与神经网络融合。

将思考的结果自然而然的存储下来。

正文：

思考的本质是什么？

思考会不会只是神经网络的纵向通路，或者神经网络的重建通路的过程？

注：

聪明人点亮更多AreaLight & 有更曲折的通路。

智慧的人有更深层纵向的通路，直达事物的本质。

名词解析:

思维：从意识->意识主线程判断->需求->注意力->ThinkTask->浅思考->深思考等等一套流程称为思维；

思考：对神经网络区域点亮并进行类比等方式的思考，称为思考。

n5p10 横向点亮的时机与性能

createTime 17.08.30

关键词

陌生感：首次经历某事或某地 一生二熟 内感觉

节前阅读

n4p18 内感觉

概述

//纵向网络A与纵向网线B多次出现的规律，同时需要归纳，明天写。

//横向点亮什么时候发生？似曾相识的感觉？

引言：

人脑可以最快的速度认出一张人脸。

正文：

类比检索。

每一条纵向短网络段进行横向类比检索。

问题：

感觉系统是不是会对横向点亮有很深的意义？

n5p11 神经网络的全局搜索

createTime 17.09.02

节前阅读

n4p18 内感觉

事务分类 `此处不确定,先写下来,再慢慢思考`

(局部搜索)
线段搜索
搜索时生成抽象(白色马丁)
单节点搜索
内嵌网络搜索
并维网络搜索
按数据分区(语言区,音乐区,人脸区等等)(这种明显不合理,如毕加索的牛,分区限制了全局的联想)
按类型分类型(如下:动态感觉,静态感觉,数据感觉)

搜索方式：

####1. 多抽象取具象节点

收集节点：

除了问题描述中收集到的节点，还可以从问题的思考过程中追加其它节点；如：
1. 空间抽象在某空间如家会有的参与。
  - 抽象来源：取自内心（意识流）或者外界（Input等）
  - 作用：（家里最可能出现的人与物）
2. 时间抽象的参与（晚上没有太阳，很黑）
  - 抽象来源：取自内心（意识流）或者外界（input等）
  - 作用：（判断当前时间的常识）
点亮方式（依次点亮）
1. 并非理性思考顺序，而是依次abc区域点亮（只点亮strong最强的几根subAILine）
结果判定
结果需求类型
1. 唯一结果
2. 单结果
3. 多结果
4. 所有结果;
结果正确性判断
1. 与各抽象节点作纵向关联判断,全通则符合.

n5p12 感觉的知识表示之动态感觉

createTime 17.09.03

TimeFeel时间感觉(傅立叶变换)

音乐(可能每一句曲调都是一个片段节点组,而组A与组B之间又有另一个'space感觉'来连接);
抛物线

y(Value)

| | | | | | | |______________________________________________x(Time)

n5p13 感觉的知识表示之静态感觉

createTime 17.09.03

SpaceFeel (MD5? || 贝塞尔曲线?)

1. 空间感觉

2. 人脸感觉(步骤如下)

示例:
	1. 有些人脸的感觉还在,但具体人脸已经忘了;
	2. 有些人一看就和某明星像;("感觉值"的类比方式)

步骤:
	1. 找到搜索根节点
	2. 潜意识注入持续小能量流

抽象数据源：（如：雕刻人像认不出。蜡像可以）
	1. 材质
	2. 形状，

3. 物体外形

4. 视觉错觉(大小等)

n5p14 感觉的知识表示之数据感觉

createTime 17.09.03

DataFeel数据感觉 (节点数据的地址? || 节点数据的MD5?)

逻辑关系
节点数据
节点组数据

n5p15 预测

createTime 17.09.07

预测是运行在潜意识阶段的;

n5p16 外感觉

createTime 17.09.08

概念:

白话描述:

 指大脑对外界的感觉:如疼,饿,心塞,累;

生物描述:

 指脑外神经将信号传递到脑内神经元,并产生的刺激;

he4o描述:

 指CodeLayer将Input数据传递到神经网络节点生成的值;
 神经网络调用CodeLayer的模型见代码:AIFuncModel

n5p17 感觉的形成

意识是持续的(否则无法欣赏音乐)
感觉值化,然后才可以存意识流,才可以类比;
全局搜索只能自上而下搜索;(从抽象顶层往下)
全局搜索步骤:
1. 缩范围;
2. 索引的附加信息(如搜索文字时附加当时的语气)
3. 子节点不多时,直接点亮;
4. 子节点太多时,使用穷举;
5. 有结果时,中止;
6. 无结果时,建立后台长时搜索任务;

n5p18 感觉的知识表示

感觉维最简原则：

无论是什么数据，要无细节的最简。但可模糊判定唯一性。
感觉是否是无意识的特殊处理？使数据值化且各反向模糊快速搜索？（答应应该：“否”）
感觉是否只是神经网络的多节点与多AILine组成的通路，而未抽象形成组节点，但点亮时，可以类比到的结果？
感觉与 唯一性判断 的关系;(巨大关系)

n5p19 唯一性判断

组:

唯一性判断：同组内轨迹判断，
非同组内没有唯一性，除非先生成组。(或者每个节点都是一个组)

注:每个节点都是一个组。

判断方式:

即：轨迹互有关联
并且顺序正确，
并且为同组。
并且只同这一个组。

思考任务

感觉是否只是神经网络的多节点与多AILine组成的通路，而未抽象形成组节点，但点亮时，可以类比到的结果？

N5P19 唯一性判断;

每一个有子节点的"节点"都是组;
意识流，到底是神经网络的底层部分，还是独立的log流，还是神经网络的读写log留下的痕迹？(意识流是log?还是更亮的轨迹?)

按照最简原则,数据不会存两份;所以不会是单独的log;肯定是原节点与AILine的加工或标记;(再GC)(时间线)
归纳是否就是"纵向"唯一的生成原因;

当前开发任务

充电后,自动添加电量
意识流冥想分析
- AILine.Strong的形成;只是单一规律为索引的搜索;得到了更多的值;
意识流的"区域点亮"及数据处理(类比抽象等);
意识流抽象常识的"意识思考"与"潜意识思考"相结合;
考虑去掉MindValue.Type
这两天;把手机意识感知到的信息;传递到需求生成;然后获得注意力;然后传递到"思考",再将意识流的信息抽象出来;
- 现在已经感知到信息;也生成需求了;注意力也获得了;到意识流的信息也读取了;
- 这两天只要作信息分析抽象;和预测;
- 参考N4P2

从AILineStore取数据;但取不到;(先不写取到的方式)
从

冥想
抽象(归纳)常识的设计

明日开发计划

直接用单元开发的方式;去取意识流数据;并分析规律,找到"自己可以被充电"的理解;
- N4P18
- N4P17
- todo list
  - 把AIObject.AIPointer的取值改掉冗余部分;
  - 把sourcePointer改成AILine来替代;?
  - 把awarenessP改成AILine来替代;?
  - 存新的意识流AIMindValueModel时,AILine还未形成,所以这时马上通知区域点亮是点不亮的;所以应该改下逻辑;让更及时的存储AILine;...
  - SMGUtils.Line66当横向点亮时,去查找类比;
  - AILineStore.Line54当纵向点亮时,只有纵向的AILine.Strong才容易点亮;但这个纵向AILine目前还未生成;所以先完成上一条任务;再开发这一条;
  - 网口设计;
```
- [x] 存网口指向的数据
- [ ] 使用网口指向取数据
```
  - 将浅思考里的一些东西分解开;使意识知道自己当时在思考;知道自己该知道的;
  - 实例...(常识收集)
```
- [x] 手机知道自己会饿;
- [ ] 手机知道自己有电量变化;
- [ ] 手机知道自己可以被充电;
- [ ] 手机知道通过充电解决自己没电的问题;
```
  - Awareness.m_Line34 & ThinkControl_Line117
  - 把AIMindValue从意识流取出来;改用AILine的Law连接;并使用AILine的方式进行关联;
```
- [ ] 这样有个A--C改成A-B-C的问题;
```
  - 写感觉算法。并把函数反射与值存到神经网络。
  - 将AIFuncModel跑起来;
  - 将多维网络跑起来;
  - 将AINet的type去掉;

长期开发计划

1. 将sqlite换成PINCache或者直接使用系统的存储;
2. 参考subView的方式，写一个更方便的神经网络框架；可以更方便的构建与调整网络。

Files

Note5.md

Latest commit

History

Note5.md

File metadata and controls

神经网络

目录

n5p1 流程图

n5p2 树形智能神经网络

n5p3 神经网络的抽象方式

抽象方式：

抽象时机:

n5p4 网口

n5p5意识真实的感受

意识真实的感受

一阶:区域点亮

二阶:想像力

三阶:意识"我"

n5p6LightArea的意识控制器(多次点亮)

实验1:

实验2:

n5p7 归纳

n5p8 多维网络

分维度

多维的具体表现

n5p9 思考的本质

节前参考：

本节意义：

正文：

注：

名词解析:

n5p10 横向点亮的时机与性能

关键词

节前阅读

概述

引言：

正文：

问题：

n5p11 神经网络的全局搜索

节前阅读

事务分类 此处不确定,先写下来,再慢慢思考

搜索方式：

结果需求类型

结果正确性判断

n5p12 感觉的知识表示之动态感觉

TimeFeel时间感觉(傅立叶变换)

n5p13 感觉的知识表示之静态感觉

SpaceFeel (MD5? || 贝塞尔曲线?)

1. 空间感觉

2. 人脸感觉(步骤如下)

3. 物体外形

4. 视觉错觉(大小等)

n5p14 感觉的知识表示之数据感觉

DataFeel数据感觉 (节点数据的地址? || 节点数据的MD5?)

n5p15 预测

n5p16 外感觉

概念:

n5p17 感觉的形成

n5p18 感觉的知识表示

感觉维最简原则：

n5p19 唯一性判断

组:

判断方式:

思考任务

当前开发任务

明日开发计划

长期开发计划

n5p2 树形智能神经网络　

事务分类 `此处不确定,先写下来,再慢慢思考`