-
-
4首先将外设的输入输出全部管理起来，收集所有输入输出数据。就是外部状态数据。b 内部状态也作为数据。a 于是有 {a,b}集合，维数灾难，用卷积和卷积池
-
0像self.attention 利用符号向量进行相似度计算，来输出字符串间内部余弦距离分数。但是有部分输入情况是符号和数值是混合的情况如何解决这类问题。我们知道，单纯数值问题直接输入到对应的函数就能解决计算问题，神经元网络是去拟合这些函数，这个导致一个问题，无法实现百分比的预测或者回归。如果网络即能处理符号问题，又能处理数值问题，而且数值处理准确度是百分百，那么我们就说这个网络是数值计算和符号计算混合性网络。
-
1transformer为代表的模型存在哪些问题，有哪些优势，目前他实现了哪些有趣应用，未来的改进空间在哪里。如何实现自我意识神经元设计。
-
2
-
1生物有它自己的期望，这个期望是不能用外界的数据进行黑盒模式产生具备意识能力的模型。这些自期望是意识的起因。自我期望是对神经元网络输出的评估误差数值目标。与既定的模型权重初始化不同，具备自我期望的神经元可以对输入的数据进行期望回归。这种网络就是自期望网络。 作为扩展，我们可以定义不同的期望和期望网络，同一个数据输入到不同的期望网络中，期望是不同的，所以对于网络的微调方向是不一样的，区间也不一样。太大
-
1意识区分 自我意识与潜意识相反。人一旦进入昏睡状态，是进入了另外一种意识系统，是一种比较原始的意识状态。死亡后无意识。意识和灵魂等价。意识是一种自我认知的系统体系，可以区分自己所辖管的部分与其他外部的一种能力。这种能力简单讲就是可以发现哪些情况下都是自己，哪些情况下是别人，哪些情况下自己与别人是有区别的。要为自己的利益打算和优化自己的行为。或者未集体的利益优化自己的决策行为。意识纠缠的画面在两个地
-
0如果智能系统完全是生物神经元必然存在问题，否则不用去发明计算机。 全部采用计算机的程序方法也必然存在问题，否则不必去发明神经元网络。 所以问题最终会被转换成二者的融合。 . . . . . 即,具备最终的人工智能是神经元网络学习+计算搜索计算能力。
-
0谷歌LaMda机器除了利用transformer大模型对对话文本进行上下文训练，还加入了一种文本输出的评价机制，类似目标检测的置信度，而且谷歌还将安全指标、有趣指标、敏感指标等加入到文本生成附属产物。结合蒙特卡洛搜索树算法对句子的空间进行博弈算法，取得安全指标、兴趣指标、敏感指标的最优化，并根据这些最大化指标的不同划分不同的聊天机器人的三观念类型。不同的三观类型对于最后要达到的聊天效果是不一样的。 这个给我们一个启发，
-
0按照第一性原理，我们有必要重新设计神经和构建神经元网络。 有两个思路，一个种思路是各种形态的神经元的合作竞争，神经有各种天生的反馈，还有一个思路是神经元都是后天反馈修正自己。目前这两种思路在目前的人工神经元里面也都有涉及，比如第一种思路在神经元网络初始化时被定义，第二种是模型在训练中或者使用中有个环境的反馈调节过程。 也就是目前神经元网络存在一些致命问题，神经元网络无法生长，有特异性的神经元无法在群
-
0意识是生物进化到一定程度的现象，这些现象包括文字化传承，文化传递，社会化道的评估的形成，应该是某种物种在极端环境情况下进化出来的物质结构化现象。如果火星有段时间有生命，那么在火星从事宜生存到不太事宜生存，再到极端环境过程中，必定会产生意识化的生物，可是目前没有发现这种生物，一种可能是他们已经迁移到其他星球，一种是他们根本没有出现过。在一段时间内，地球地表接收到的能量大于地球辐射到太空的能量，生命偏
-
0预览：最开始在研究神经元网络的记忆能力，通过构造巧妙的激活函数实现神经元网络的数据显式存储（数据在权重中可见）这是第一块拼图。然后发现单一训练的模型都是弱神经元网络神经元，其拟合能力再强也是无法拟合所有数据。翻看文献后发现采用集成方法可以将多个弱神经元集成为强神经元网络。于是构造多个弱模型，进行集成，确实性能大幅提升。从单一弱分类器到多个弱分类器，最后变成强分类器。从这个过程可以发现神经元网络性能
-
4背景 生产中交叉熵被广泛应用于函数分类优化问题。就是如此完美的评估方法，其实有其缺陷，首先它要假设训练数据的分布的事件概率要具备真实性，如果有错误那么导致交叉熵评估的不准确的，导致模拟两可的答案可能性比较高。其次，需要大量数据进行训练优化。亟需一种不怎么依赖训练数据概率的交叉熵计算方法。 方法 可变训练数据分布概率，就是说训练数据的标签不一定可信在大量数据统计训练后，模型本身将具备纠正训练数据能力。 1
-
0A神经元如果可以在22毫秒内激活B神经元，那么就修正A到B连接的强度70%，同时降低B到A的强度20%。
-
0没有几个人可以说清楚
-
11，先挖坑
-
0首先不是真正的全部基于网络架构，而是有一部分采用了数学方法
-
4背景 随着生产的发展，以人工智能为代表的生产力，可以生产出足以自己知足的产品和服务，导致生产者不再加码生产，而是生产符合生产者集体的需求的产品。社会的生产的货币表示逐渐弱化，需求也弱化，掌握大量生产力的生产者，不再以换取大量的货币为满足，多余的货币并不会换来更多的需求的满足，相反的对于生产者而言，目前生产联盟生产的东西足够自给自足。这样导致一个社会关系的矛盾。作为生产主体，不再为其他社会个体提供廉
-
2dnn结构的发展对内存存储的要求和计算量都很高，这对dnn框架资源构成了巨大的挑战。为了减轻挑战，权重修剪技术已被研究。然而，高精度的极端结构修剪解决方案，结合不同类型的结构稀疏仍然等待解开，由于在dnn网络中的权重极为减少。本文提出了一种结合交替方向乘法器（ADMM）算法的DNN框架，将两种不同类型的结构权重剪枝（滤波器和列剪枝）结合起来，以提高剪枝性能。我们首先在结构化剪枝模型中发现了ADMM过程的非最优性和未使用的权
-
6摘要 将实体和关系嵌入到一个连续的多维向量空间中已成为表示学习中知识图嵌入的主要方法，但现有的模型大多忽略了层次知识的表示，如一个域中实体的异同。我们建议学习现有知识图嵌入模型上的域表示，这样具有相似属性的实体组织到相同的域中。这样的域层次知识可以为链路预测提供进一步的证据。实验结果表明，域嵌入比最新的基线知识图嵌入模式有了显著的改进。
-
0照射到地球表面的能量变少，生产的东西也就少了，生产的东西少了，物价就昂贵，贫富悬殊，社会就会有出问题。如果这时候，控制资本，就会导致裁员现象。不控制资本就会导致通货膨胀。出现通货膨胀只是时间问题。 如何应对，因为通货膨胀是绝对，可以从事基础生产活动，从事经营活动。还有就是提高生产效率，降低成本。一转专多能。替代落后劳动力。
-
0因为欧拉角在旋转的时候容易出现万向锁问题，所以必须用四元数进行控制，否则出现的灾难就是737MAX所出现的灾难。在进行人工智能训练的时候，务必将四元数进行计算。
-
0要实现强人工智能，必须从生命和非生命的角度进行架构
-
0不管是哪种技术领域，优化的本身就是迭代的重要方面。
-
4各种技术组件的深度学习改造
-
1
-
0除了事故原因，还有一个原因是夏航飞机老化，中美贸易战，飞机订单下降，维护成了问题，建议这段时间不要乘坐老旧的飞机。
-
0福清三中2005届高中毕业生名录、升学情况和毕业照片 倪政齐 福州大学 福清三中2005届高中毕业生名录、升
-
21、对任意需求文档进行卷积操作提取多层网络特征net1，对任意的程序进行卷积操作形成卷积网络net2，并
-
0人类视觉有一大批的输入和输出是一致的，而这批神经元网络就是过滤器，可能是受基因控制的特异性分
-
11、通过深度学习技术训练出可以从人体体表捕捉小脑感知信号的模型 2、将捕捉到的型号转为空间位置、
-
5先看这篇文章https://mr.baidu.com/se9xw8y
-
1声明一下内容都是个人对卷积网络的理解： 不同滤波器将卷积划分为不同的切片，然后又进行降采样（也就池化）最后降低到合理纬数后，就将各个不同通道
-
4当你带上http vive 类的眼睛，你可以按下一个按钮就实现了瞬移。现实世界的瞬移该如何实现？今天我们来
-
1基于区块链红外tango深度增强学习的导弹防御系统解决方案
-
02100年地球环境变化人类任凭智慧第一也无法扭转既定的局面，环境已经到了无法适合生活状态，雾霾，大
-
1去中心化，在数字货币和其它领域得到广泛应用，区块链技术在投票选举领域的应用也是非常重要。 该解
-
2最后一公里，快递员的焦虑是如何找到目的地，gps的导航在最后一个公里失灵了， 快递员要去寻找目的地
-
0福州大学 福州大学 福州大学 福州大学 福州大学 福州大学 福州大学 福州大学福州大学福州大学 福州大学
-
0come on, I need you right now
-
0我们要什么？ 我们是人类，有各种的需求，不停吸收负熵，吸收不过来就死亡。 死亡也是为其他对象吸收
-
0前言：不管是哪种规则下的社会，都会存在廉政风险，为了不依赖于人与人的监督，在大数据和深度学习
-
2廉价航空相对与商业航空，主要是价格和飞机安全为区分，后者也是廉价航空出事故的主要原因， 首先，
-
0人类也吸取的教训，赢下一场， 然后机器能否吸取教训，赢下最后一场，如果输掉最后一场，就意味着输
-
0深度网络可以获取棋盘独有的特征戳，一些棋盘布局输入后自然就可以训练出来。 然后，深度网络要和当
