思维与神经网络整合-数据神经网络(归纳结构)的构建
CreateTime 17.12.25
将思维与mindValue深度集成,并将先天神经网络删除后,整个神经网络有了很大改变,此节用于整理字符串在神经网络中的基本存储结构
简
全
注:
示图全 为成熟阶段,我们要区分其中:
1
哪些成份是先天具有的,
2
哪些是后天思维轻易且必然形成的,
3
哪些是后天思维不一定想到的;
注:
先天不存在字母、单词、数字的概念;
注:
先天存在属性与值的概念;
类比
类比的细腻度依赖与算法等基础,而类比的结果产生归纳及归纳下的归纳实体 形成层级归纳结构
归纳
归纳 在神经网络中体现为独立的层级结构,是神经网络中的索引,其结构越分层明确且详细,越易于检索;
统计
由节点间的关联自动形成与使用,有几条规则决定其变化
CreateTime 17.12.25
神经网络数据库因其结构与以往不同,有强大的关联及索引能力,在sql上也会比以往更加多变强大,此节用于跟随所有开发用到结构需求,在此留下sql记录;备查及整理于此
CreateTime 17.12.26 参考n9p20
借助数据,有了思维方式
思维动的方式
如:穷举式帮助归纳检索
思维方式
不同的归纳结构,不同的MLogic,MCan等组合,产生不同思维方式
law
类比发现规律,而规律让类比产出结果;(参考:上表)
can
也是归纳的一种
logic
是can的实例化形式,即: Logic l = new Can();
isa
是归纳
valueIs
是属性值
思维经验
似下图
类似String
Experience
CreateTime 17.12.27 参考n10p1 n10p2 n10p3
1
人能被打
人会疼
人被打会疼
3
人吃面和苹果
猫吃鱼
注:
能:输出->指向目标
会:状态->可变化
能被:输入->被指向为目标
CreateTime 17.12.27
1
Int
基本类型
2
Float
基本类型
3
String
基本类型
4
Char
基本类型
5
Obj
基抽象,所有类型的抽象基类
6
Arr
组类型
7
MLogic
Method方法,被调用,记录Logic
8
MCanOut
Method接口,有目标,输出如:打对方疼
9
MCanIn
Method接口,有目标,输入如:吃自己饱
10
SubObj,SubInt等
其中SubX类型,在定义时,并不会知晓X是什么类型;只是Sub而已,相当于C#中T<Object>
1
所有定义了的自定义对象都用SubX类型,而无权使用Obj;(Obj只有一个,并不可实例化)X是父节点地址
2
Law规律是类比的结果
3
未明确Law用unLaw关联类型
3
已明确Law用属性,继承,Can等表示
4
Logic逻辑用MLogic表示(方法被调用时,某状态的变化)
CreateTime 17.12.28 参考n10p5
懒构建部分
先天构建部分
概念
思维类比分析到的部分,进行结构化(先天指定的)
基础dataType定义部分,可先天指定结构构建(Net分维)
优势
避免过度抽象问题
避免过度耦合的问题,网络分维
缺点
导致某些节点的老结构遗留,导致思维时发现结构冲突需要作结构更新;(参考n10p11修正)
有时维间关联弱导致检索困难
先天的分维 >>
现阶段不考虑分维,原因如下:
1
audio
2
video
3
其它
注:去掉mvRoot，mv只作为构建起因存在，影响关联强度。（避免试图直接分析情感）
注:三层数据结构:inputModel,AIModel,AINet
注:三层数据缓冲,瞬时,短时,长时
CreateTime 18.1.3 参考n9p16 n9p19 n9p20
RULE表 >>
所有的规则都是基于时间制定的
无论是思维中得以存活到最后的想法,网络中得以存活到最后的数据,胜者书写规则,败者成就胜者
阶段
道德经角度
规则思想角度
代码角度
注意
定义
道生一
mindValue的定义为一;
mv
目标
一生二
欲动为阳,欲静为阴;
mvTarget
变化
二生三
动生变,变化为三;
cmv
没有严格的0,对比大于正负
成长
三生万
变生MLogic,变生数据神经网络
AINet
DOP思想总结 >>
1
DOP中关键是将OOP改进并以数据的方式表示，
2
而这种表示的关键是需要数据神经网络。
3
而神经网络的关键是思维提交的归纳结构构建等操作事务，
4
而思维的关键是mindValue规则。
5
而mindValue的关键是数据相生，
6
故he4o架构的是在 最简定义规则之上 进行 数据相生 从而 形成结构化网络,以 与真实世界进行智能交互 的循环系统。
注:
从简至繁,从无到有
1. 神经网络：
神经网络的基础组成是：节点Node和关联Line。前端部分神经网络的每个节点指向一个算法，后端部分每个节点指向一条数据（即归纳网络）。其中Node有多种类型，用来表示不同的用途，例如：存储数据、表示不同的NodeType等。
归纳网络将OOP的结构作改进后，存储于数据神经网络。这么作有很多好处，当数据量特别大的时候，例如我要检索苹果，我会由苹果直接作“区域点亮”操作，即查找苹果相关的信息，而he4o学习的过程，就是这样的信息关联的过程。即he4o会使用联想的方式，来从海量的数据网络中取到最有效的知识数据。而因为这样的结构是存在抽象的，所以一切AGI解决问题都强依赖于数据，而弱依赖与运算。
2. 思维：
单纯的神经网络与归纳网络是没有意义的，因为数据的构建，数据的使用等等必然需要一个操作者。而这个操作者就是思维，思维的逻辑源于数据，而数据的来源只有两个，一个是input到算法的结果，一个是数据神经网络。可以想像到，如果这样运行，那思维将有无数的数据被处理，无数的运算与垃圾数据注入数据网络。所以思维要想运行起来，有个关键就是其规则。我设计了一个最简规则，除此规则驱动之外，思维不会运行。
这个规则就是mindValue，mindValue是一个值定义，当思维中有mindValue传入的时候，就会有思维活跃，即类比。类比最重要的功能之一是发现规则Law，然后这个过程就是思维过程，这个过程会被存储于数据网络。
mindValue也有一个规则，mindValue本身是定义为一，这个值会变化为二，而有了变化就有了目标为三，而思维会为mindValue的目标而服务，而这个服务过程就是数据的构建与使用的过程。会产生巨量的结构化数据为万。
3. 循环：
he4o的架构中，存在很多循环，
第一个就是思维数据循环，数据产生思维，思维产生数据。
第二个是外界input与he4o内部的数据映射。即he4o的内部是一个独立的维度，思维运行在此维度，又处理着外来的数据，但思维所理解的来自数据网络，所综从的只是mindValue的驱动，思维的活，he4o的独立维度，与input,决策output,这个整体共同形成一个AI系统与真实世界的循环。
第三个是mindValue的循环，mindValue的规则是极而反。太小了，则想增大，太大了，则反小（mv还有其它衍生规则，此不列）。
通俗举例说明 >>
技术举例
现行开发中: 写代码的过程 变成 数据网络的构建过程
构建者,由 程序员 变成 AI系统的思维
业务需求,由产品需求 变成 真实世界对AI系统提需求
CreateTime 18.1.3 参考n10p3 n10p6
关联类型 AILine.Type >>
属性property
方法目标MTarget
值valueIs
方法结果MResult
继承isA
MCanIn
MCanOut
UnLaw(未确定归纳结构时,也需要存储)
CreateTime 18.1.4
矛盾
不识别无法检索,不检索无法识别
拆分多维检索
所以在神经元算法结果之处，便有了分维与各维独立优化。拆分多维检索有效提高速度
全局检索的方式方法 >>
方式
参考
1
拆分分维
2
从root搜起
3
合理利用cacheLong
4
感觉,抽象意义及多line通路,匹配节点组(轨迹类比),唯一性判断
node4 n5p11 n5p17
5
能量值控制,超时返回nil;并利用思维分析改良
6
后台任务的建立(无意识异步任务)
4注
每个属性等节点,都是抽象,每个关联都是索引
4例
如找jia,输入ji;单独找j和i,再找关联数组(穷举),判断其ji开头相符;
7
增加结构化;如:汉字3000;搜索王的时候,要先搜其抽象(即发音)(接入拼音算法,达到字符串性能优化);
取抽象Node下的子节点太多而检索困难时
1
思维方式帮助
2
近期思维log为索引去ActionControl再检索:(代码定义,非常有效)
思考 >>
1
思维时,是否设计一个通用model;将网络数据model化使用到代码中...
CreateTime 18.1.6
实现:
懒构建,Line和Node中不必要体现;(继承的规则);
值域:
是float类型,每个实例都只是其连续范围内一个点;
实例:
懒构建,Line和Node都只在构建时,动态生成
颜值:
变量名:定义beautifulMindValue,类型为:float,范围:由beautifulMindValue决定
值类型:
float,int等值类型并没有单独分维
1
w4被称为美女 (形成未知"美女"抽象节点,并指向实例w4)
2
w1被称为美女 (未知节点下加入w1,并点亮"未知节点" + "w4" + "w1")
3
Thinking类比到美女的Law是颜值比较高
4
抽象美女Node定义追加模糊值 对比结果比值更重要,约 >= 0.7f 或 前30%
思考 >>
抽象Node的理解与所包含的信息;参考(n10p11)
CreateTime 18.1.6
dataType >>
char
不会有字符串维,思维的拆分,总会把字符串拆分成charArr传递给Net
arr
组合
float,int
值类型没有单独分维
Obj
基
change
变化
注:
没有static,const等概念
注:
所有都是public
lineType >>
关系
注
属性property
包含关系
值valueIs
值关系
继承isA / SubX
继承关系
子类(可多继承)(类属性可以有默认值)
接口MBy
被调用关系 弱存在
被调用changeArr;MBy本身就是changeArr;
接口MCan
实现关系
1. MResult(changeArr) 2. MTarget
方法目标MTarget
逻辑(指向)关系
方法结果MResult
逻辑(触发)关系
实例Instance
实例化关系
注:
UnLaw(未确定,也需存),未知关系时,至少有一个关系是已知的;不然Node就不会构建
注:
Method体只是多个change组成,将OOP的方法复杂逻辑最小拆分,避免各种bug与复杂运算;
归纳结构_Property >>
定义
Property的定义是确切的,可继承,可实现,可赋值
无名
Property无名,但有创建之初有一个隐性id(FuncName或其它让思维作唯一判断的)
概念 >>
无名
Node最初都是无名的,零散的,它在等待思维中类比给其某个或者某组,进行定义
参考:定义美女
修正
Node的定义从模糊和不确切开始,经过思维后,不断精确修正;
继承偏移
继承的修正,称为继承偏移,修正的过程是体现上移和多态的过程
参考美女继承w1到women+颜值>=30%
思维Model示图 >>
CreateTime 18.1.7
前言 >>
旧
以往的multiNode,singleNode,FuncNodet等已经废弃不用
新
DataType对于Node的定义是基于DataNode的,但在改进OOP时,此种方式并不够用,所以有本节NodeType
原因
AINode继承自Obj而所有subNode都基于AINode;所以NodeType替代...
NodeType >>
lineType_obj
isA
继承
isClass
声明
instanceOf
实例化
CreateTime 18.1.10
DOP结构化规则 >>
Class
类必须先声明Class再使用
Obj
所有节点都继承自Obj(包括int,float)
Ports
按lineType分开多个ports
类示图 >>
CreateTime 18.1.11 参考note4等
数据库层 >>
每个节点多个文件
1
一个文件desc,
2
一个base含ports,pointer等基础信息。
指针 >>
指针地址只是这个目录地址，File则按规则命名。
Method类型 >>
method
method核心是Note与Note的交互，
change
change是数组，作为其结果被关联。
结构化
method的结构化形成过程与obj的一致
节点层 >>
基节点
每个节点。都有obj那几个ports
子节点
而property声明、Instance、method和change则各有其自定ports定义。
示图 >>
CreateTime 18.1.12
简介 >>
初阶段特征
广撒网,少收鱼,用进废退;
构建过程特征
由cacheLong到数据网络一级一级确切化,后长时存储
cacheShort存AIModel(从Algs传入,待Thinking取用分析)(容量8);
cacheLong存AINode(相当于Net的缓存区)(容量10000);
logic结构化过程 >>
概述
以cmv为起点,反推起因,logic在cmv时已定义,logic的确切过程,即logic的结构化过程
1
cmv时,激活Thinking
2
Thinking到actionControl查导致cmv的logic
3
如找不到,Thinking从cache分析并定义"非确切logic"
4
将非确切logic构建到net
5
再次发生cmv时,重复1,2
6
找到前面构建的"非确切logic"
7
思维类比,将"确切化logic"
8
update事务,更新net中logic;
CreateTime 18.1.12
名到网 的必然 >>
静
思维类比值化因law产生定义，定义有其特征(属性)，属性再定义,多定义间产生关系(包含等);
动
思维因cmv定义logic和change,logic定义方法，方法产生变化，最终生成DOP数据网络。
注:cmv的Change产生Logic;
CreateTime 18.1.16
注:此例早前就有,但归纳结构一直未完善,今神经网络,思维,架构3已近完善,故重拾此例
注:目的在推动OOP+的构建与logic构建的过程
logic >>
1
解决了问题的Logic就是Experience
2
一切logic的索引围绕cmv展开
CreateTime 18.1.17
可视化 >>
图式
文式
效果
CreateTime 2018.01.24
前言 >>
栗子
当饿cmv输入到thinking时,actionControl检索到解决targetType的经验,而非饥饿概念等归纳知识
白话栗子
当你饿了,想到的是想吃什么,而非饿是人体能量需求传递给大脑的信号;
质疑
就算没有分维,感觉信息仍可作为属性节点存储,而由logic构建打辅助,故分维设计本质上可由type代替,即降低设计复杂度,又作到一体化;
分维概念 >>
概念
分维如分表,其本质是解决性能问题与各维的个性化处理
注:性能问题
1. 全局检索->单网全局检索 2. 音频等傅利叶变换后的感觉维检索
注:各维的个性化处理
如音频感觉作为独立索引维
n10p20 GNOP(Generative Net Oriented Programming) CreateTime 2018.01.28
前言 >>
LOP DOP 命名无法阐述he4o系统的核心编程方式,故更名为GNOP;面向生成式网络编程
将数据的有序与灵活,权衡到极致;
GNOP结构化规则 >>
1
所有节点都继承自AINode
2
类定义也是(抽象)类实例
3
类可继承自实例
4
类可多继承
5
类用instancePorts指向自身的所有实例
6
类继承关系随时可变更
7
所有类继承自AINode
8
Node类型和data类型是不同的
9
Node类型是指:AINode的子定义;如PropertyNode ChangeNode LogicNode等
10
Data类型是指:数据输入的类型:如int、String、IMV、CMV等
11
类定义的属性值范围;
12
不存在Instance;只有absPorts和conPorts(疑)
13
每个值类型都是一个范围;(如int float)
14
信息的上降下沉;同一继承链中,属性在具象部分的值唯一;抽象节点值范围
15
值范围,其实不仅是范围;还根据关联强度,所以值并不是线性范围,而是有权重的;此初版暂不考虑
16
多继承中,一次事务只串一层abs,而多层,需要多事务与分析;故如:man:person:animal:obj的表示方式是:man:(person,animal,obj)的多继承
基本原则 >>
1
只有信息有思维触发,才构建;(复杂的结构定义都不需要,如提前定义父类,同一思维定义两个Node等...)
2
定义产生具象,具象间产生关系,关系产生抽象,抽象产生结构化;(不作任何一点多余的设计)
3
只有定义(是)、关系(的)（关联类型）和变化(能)三大基础因素；
4
关于迁移,最好代码层不进行信息迁移,尽可能自然而然;(不迁移,只在构建中自动生成新的结构,并逐步淘汰错的结构,只有set和update没有remove)(注:你无法主动忘掉)
收敛设计 >>
node10大多都是在作构建规则,但并不够收敛;所以有此表针对node10的收敛问题作改进;
1
不区分定义与实例(去掉instance,isA,instanceOf等则abs和con替代)
2
不独立定义PropertyNode节点(只根据关联类型,作这些区分,删掉PropertyNode是简化设计,去掉isClass和valueIs)
instance收敛示图 >>
属性收敛示图 >>
CreateTime 2018.01.28
前言 >>
值化数据(一般为某算法或某思维方式的结果);
如:颜色的值
如:年龄的值
如:身高的值(某思维方式(对某些值进行类比等复合操作)的结果值,的定义)
注:关键不是值,而是值的来源;这个来源才是对AIValueNode的理解;
注:AIValueNode的值各自存储(即int4和4的两次出现,互无关联,但类比到的时候,再抽象等)
CreateTime 2018.01.30
前言 >>
abs同类的阶段
1. 当A与B在被类比到相同属性X时,Thinking分析并构建ABBase_X(只针对X的absNode);
2. 发现A与B越来越多的相同;此时已有ABBase_Y,ABBase_Z等
3. Thinking会将XYZ等直接合成ABBase;
4. 此时,如果A有新属性时,会直接以模糊方式将此属性加到Base上;
概念
模糊关系是未被确认的关系,或者说;所有的关系都是非确认的(类比过也未必);确认度是相对的;
注
模糊关系是Thinking在分析任务中激进的表现,数据没有绝对的正确,适当的试错,帮助智能体解决很多问题
n10p23 数据模型从(input->think->aiModel->aiNode) CreateTime 2018.02.01
toDoList >>
1
分析饱不知饿 与 记忆情绪 对createMV的产出不同处理;
2
作一个inducation的存取和logic的存取
3
作全局检索的实践与优化
分toDoList >>
1
insert时的继承链,到AINode止;isClass和superClass
idea >>
1
使用富文本扩展字符串算法的属性量
2
后天算法
