闫啸(Sean(熊)

闫啸的发明和发现20220901

生物用手机采集物种信息，计算机建立可供查询的物种信息库，不同分类方式，机器视觉识别
化学自动化实验，自动控制工艺流程，计算机辅助后续自动化的材料设计
计算机辅助后续自动化生态学分析，自动化监测（计算机视觉等），建立相关模型即可
无人矿井，无人纺织，无人探矿，无人布料研发，可以先半自动后全自动
核心还是机械电子的cad，cam和技术工人的数量和技能水平吧
科幻，奇幻，动画纪录片，编年体作品，编年纪传体作品（类三国演义，英雄群像传），纪传编年体作品（类我，个人成就密度超高），编年纪传主题三者排列组合，科幻、奇幻、动画地理历史作品（大乱斗），
远洋风电船（浮岛），太阳能船（浮岛），与氢能结合
土木工程的模拟和自动研究，工艺的计算机辅助控制，人员的提醒，辅助（手机），数控混泥土搅拌机（材料自动检测），土木工程，通信工程等项目管理的PM（MKATDAO）S，科研工程的RM（MKATDAO）S系统
工作管理系统WM，生活管理系统LM，娱乐管理系统EnM，教育管理系统EdM，健康管理系统HM，总的来说元宇宙+人工智能，PAI和EAI对接，也可用财务，人事，行政，IT，法务，研发，生产，销售，市场，工会，团委，党委，总经理办公室的模块划分方式，个人企业
要有记笔记和阅读日志（可自动）的习惯，数据价值的机器和人工分析和推理要依赖笔记和阅读日志进行
专业网站分young（大众）版和专业版，内容的详细程度不同，young版详细一些，至少提供背景专业知识（时间，空间，基础）的链接，大众版可以延迟一点发布
儿童网站——图文并茂的基础知识，成语，故事，典故
幼儿网站——图片为主的短篇基础知识，成语，故事，典故
Ai也可以引入怀疑模块，怀疑高性能（大、小）、新功能(质、形)、范围和异常，之后进行不同规模神经网络的分析和推理。也可怀疑其他东西。
计算机辅助（流程模板，表单模板）外贸系统，贸易系统，自动计算和选择物流、仓储，自动开发客户（自动制作广告，自动发布广告），外贸元宇宙，AI

a) 非标产品有高端和低端，根据场景合理选择，利润丰厚，体验极佳，但是低端的非标产品（无品牌）影响品牌价值，仅在非品牌系统下（创业期，青年期，贫困期）使用
b) 系统和系统的劳动生产率是有差异的，利润率基本一致的情况下，价格会出现差异，价格是客户关系中的核心因素之一

工商管理平台，项目落地政策优惠交易化，电子化，政策制定自动化，项目kpi是人才和行业前景，政务元宇宙，AI
信贷项目电子化交易平台。利率市场化，利率定价自动化，金融元宇宙，AI，金融自动化

a) 系统科学与工程最终将形成一个类似会计的行业，专门分析统计系统特性，资源需求，降成本
b) 系统科学与工程（比较和联合）对产品设计也有促进作用

c) 人类社会的未来是神话主义——各种程序员（含脚本程序员——自动化设备技术工人）就是造物主，社会的主体将是创造性的从业人员
d) 人员稀缺时（奴隶主义）——土地稀缺时（封建主义）——资本（设备）稀缺时（资本主义）——资本不稀缺时（人人平等，社会主义）——产品不稀缺时（按需分配，共产主义——现在）——不需要重复性的工作时，生活近乎无限的享受时（神话主义——可以预见的未来）
e) 程序员分各层设计师（系统分析师）和系统工程师（系统架构师）：
f) 客户、大自然、产品（自然信息）、老板（内部客户）——系统分析师（系统分析师要有广泛且深入的知识和感受的积累）（专业术语描述的解决方案系统）
g) 系统分析师——产品经理（未优化的设计语言）
h) 产品经理——架构师（优化的设计语言）
i) 架构师——程序员（未优化的代码）
j) 程序员——重构程序员（优化的代码）
k) 产品——售后程序员（故障处理，运维方案制定和执行，培训）
l) 售后程序员——售后分析师（故障分析，运维方案分析，优化，系统分析，优化）
m) 解决方案——售前程序员（系统、环境和用户解决方案设计，宣讲）
n) 售前程序员——售前分析师（系统、环境和用户解决方案分析，优化，系统分析，优化）
o) 一个人可兼具多种角色，一切应从售后售前（专业用户）开始，否则想象也是无根之木（成功率很低），自然和人类社会能带给人很多启发，要有广博的知识，但知识的最优认识路径（仙人）还是要试验，有运气成分
p) 资深从业人员的最优成长路径，可以增加一些管理经验（人际交往能力persuade）
q) 售前程序员——售前分析师（兼初级系统分析师）——
r) 售后程序员——售后分析师（兼初级系统分析师）——程序员——重构程序员——架构师——产品经理——高级系统分析师（有系统分析的知识和感受，并掌握系统分析的规律）
s) 感受是系统化的知识

云计算系统cad，da工具，部署，运维工具
系统图（时域、条件维度（图组，图例）），3d系统图

a) 只有理解世界之大、奇、美，人生命健康之有限，方可哀兵必胜，且能乐而不长爆，哀而不伤。
b) 庄子告诉我们要抓大放小，庄子学派后期发展了不要感情用事，斤斤计较，这世上有许多美好的事，不要被欲望操纵，要进入无我的状态，与自然和社会融为一体才能大成，这仰赖修行，大成还有一招就是运气，这就是天意了
c) 庄子的另一则智慧是无用之用
d) 于己、心计，无功亦有功，有功亦无功，退则怡然自得，进则光辉胜日月，思则勤而无疆，但凡事还是要从孔子开始，不积跬步，无以至千里亦不能自得更无所思。
e) 当然，生活还是有很多不可能的

有交集的并集，包含，包含于，映射都是关系，有关系的就可以建立单独的索引，提供基于关系的view和快速查询以及批量处理，并可提供基于关系的存储
个人电脑应该呈现为一个类似网站的东西（内容系统），与互联网无缝集成，可以是自动，半自动或手动建设的，文件夹应当像桌面和网站一样可以布局
音频自动匹配MV
数据自动匹配文件名（可以自己做别名，提供两种匹配模式）
电脑自动生成命名空间，为本地文件命名（编址），全网分布式云化，资源共享（含分布式网盘），分布式搜索引擎，个人电脑即个人网站（个人信息系统（Personal AI含电子商务等），初期方案是把各网站的个人信息系统集成起来统一管理和呈现（CAAS，集约（含压缩冗余信息，重复操作），模板，DA）），支持信息交易，搜索结果加入地域权重（节能提速），统一域名下的子域名地址转换服务（分布式云）
联合（各网站，各信息源）个人信息分析管理交易
复杂批处理命令（库），基于关系的复杂批处理命令（库与数据结构支持）
使用系统科学与工程（一般力学）描述各种系统，可以实现同构的不同系统间的互通，非同构的部分可以互相借鉴，加速创新
智能制造系统分析设计开发（人工智能是自动化的自动化（系统自动化，自动编程），0必要操作，全部是选项且0必要选择）
带约束的神经网络研究（否决指令，数据，系统表）
a) 分布式制造系统研究
动态分布式系统研究（探嗅，注册，注销，心跳协议——注意安全（权限，流量控制），自动化，探嗅和注册可以是复合的，探嗅可以是分层的地域的（减少信令，节能提速））
基于虚拟自然系统的自然语言处理系统研究
a) 行为支持系统研究
动态分布式存储系统研究
存储系统研究（基于优先级或热度的热卷存储，基于优先级或热度的读写带宽，基于热度的优先级，缓存微IO，基于长短期记忆的存储，带遗忘功能的存储，关系型文件系统，关系型块存储，关系型内容存储，智能（数据自我、自动管理，主动推送）文件，块，内容存储）
存储设计系统研究（cad，da）
a) 精密仪器制造学习
智能树研究(根据分类，优先级，访问量，长短期记忆，遗忘等自动调节树结构)
多维数据结构研究
级联数据结构研究
自然图数据结构研究(根据分类，优先级，访问量，长短期记忆，遗忘等调节多维级联数据结构)
智能自然图数据结构研究（自动调整结构的自然图）
4时钟周期加法器研究
级联加法器研究
3相数字电路研究
开放ERP研究
a) 交易平台式ERP组件研究
思想资源加入ERP，PRP研究
a) 人力资本科学与工程研究
企业AI研究
个人AI研究
PRP策略生成方式研究（信息源与信息分析理解推理，机器学习，文档，多媒体资料分析，solutions， options， guide，entertainment）
个人元宇宙研究（solutions， options， guide，entertainment）
企业元宇宙研究（solutions， options， guide）
MADO（MO和静态AD is 元宇宙，动态AD is AI）
生活知识管理研究（内容与营销结合，收入分成）
无线局域广播网研究
GIS与市场电子化研究
多叉树研究
哈希树研究
带描述的数据结构研究
广域网存储系统研究（内容、文件、块的发现（p2p发现和中心式发现，两者都可以是层次化的）、发布（p2p发布和中心式发布，两者都可以是层次化的）、关系建立和维护、分布式、融合、通信，虚拟化（可以用view（index）虚拟化））
动态分布式存储系统研究（内容、文件、块的发现、发布、关系建立和维护、分布式、融合、通信，虚拟化（可以用view（index）虚拟化））
比较系统科学与工程研究
联合系统科学与工程研究
应用软件网络研究（单一软件，不同软件的交互，协作，管理（crudn），发现、发布、关系建立和维护、通信）
系统风险，机遇，专业，多样，执行，探索科学与工程研究
财务科学与工程研究
学科交叉文学研究
低功耗集成电路研究
燃料工厂与能源存储研究
开关燃烧室研究
分布式热电研究
五金等生活工具租赁平台研究
分层学习和推理研究
机器学习和推理微神经网络研究
机器学习和推理动态神经网络研究
机器学习和推理交叉（跨层，跨块）神经网络研究
机器学习训练数据系统研究（训练数据的排序对强化学习结果的影响）
离散神经网络研究
强化学习研究
3D图像识别研究（3D才能真旋转）
提出软件的MADO架构
单领域CaaS，多领域CaaS，个人CaaS，组织CaaS
机器学习和推理规模研究（不同指令集（元神经网络）下的最优空间消耗网络规模，时间消耗网络规模，能量消耗网络规模（除了时空积积分的最优之外，还含精简指令集神经网络），学习时间消耗网络规模（强化学习增量网络））
强化学习增量网络研究
周期性神经网络研究
系统过程研究
映射排序研究
分布式搜索算法研究
被动搜索算法研究
单播广播混合通信协议研究
系统工程研究
管理学研究
数子论研究
拓扑流形研究
智能内容、文件、块存储系统研究（自动化管理（输入、输出、日志、诊断、修复、关系建立和维护、融合、拆分、冗余、物理位置调整，长短期记忆，遗忘，带宽和存储（冷热卷）优先级），共享，并发，流水线）
智能软件系统研究（自动化管理（启动，关闭，输入，输出，日志，诊断，修复，物理位置调整，资源分配（外设，存储，带宽，cpu，软件资源），存储（冷热卷，缓存）带宽cpu优先级，共享，并发，流水线）的软件组）
软件（模块，指令，数据）栈和流的流水线研究
软件（模块，指令，数据）栈和群的并发研究
软件（模块，指令，数据）路由（动态，静态，集中式、分布式、层次化的路由表，注册，探嗅）研究
软件（模块，指令，数据）共享研究（实时，分时，带权的轮询，顺序，随机，优先级，贪婪，反贪婪（权的不同增减粒度））
软件（模块，指令，数据）选项（单选，多选，随机，带权的轮询，贪婪，反贪婪（权的不同增减粒度），并发）研究
软件（模块，指令，数据）模板（系统）研究
系统流水线，并发，路由，共享（含串行（时域，统计复用）），选项，广播，模板研究
项目流水线，并发，路由，共享（含串行（时域，统计复用）），选项，广播，模板研究
系统并行转串行研究（实时，分时，带权的轮询，顺序，随机，优先级，贪婪，反贪婪（权的不同增减粒度））
基于优先级的文件存储系统研究
存储系统自动部署，自动维护研究
将存储系统集成到ERP中的研究
将信息系统集成到ERP中的研究
信息系统自动部署，自动维护研究
以通信为中心的新型计算机硬件架构研究
集成电子商务系统研究（电子商务系统集成ERP,PRP）
集成（自动化，共享，界面和内核优化）信息系统研究
P2P云系统研究
内容即服务CaaS研究
小文件和大数据都可以使用微智能优化
自然图像处理研究
联合媒体信息处理研究
机器推理研究，
机器学习研究(分布式计算与异步异构神经网络)
多媒体内容描述语言研究
多媒体嵌入式编程语言研究
个人资源规划系统研究
设计流水线这一操作系统编程模型
软件网络及其硬件支持研究
并行、级联数据结构及算法研究
创建信息力学
创建一般力学
设计完成关系型文件系统
创建软件静力学，软件动力学
设计完成基于通信内核的操作系统
多任务多维度项目管理系统（多任务用于工作量和计划安排，任务本身可以是多维或单维的，多维度用于和其他专业系统对接）
a) 初级人才通常专业色彩较浓，中级人才通常综合（专业内，专业间）色彩较浓，高级人才有专业（创新）有综合（大型系统），很多科研人员在孤注一掷的研究，研究就是有风险的，而且研究很慢的，是我不太正常
分布式CaaS
a) 以通信为中心的带推送功能的计算机硬件系统，新增一块路由交换芯片，连接硬盘、网卡等外设，在这些外设上增加一些逻辑电路，使之可以进行读写控制，推送（推送分为硬件触发、软件触发和时间触发、条件触发）等功能，在此之上实现不同外设之间的不经CPU的直接互操作

b) 以通信为中心的带推送功能的计算机操作系统，适配以通信为中心的带推送功能的计算机硬件系统，抽象出操作系统的最底层为融合不同总线，网络的一个通信系统，统一将计算机系统的设备，文件，任务，资源等描述为对象，不同的对象在抽象出的通信系统上交换信息，互操作，运行，该操作系统可平滑支持云计算和IOT应用

c) 软件静力学架构分析，分析软件的系统级逻辑复杂度，度量软件的规模，并进行软件架构的优化，减小软件的系统级逻辑复杂度，类似于函数、模块级的复杂数据结构与算法（数据与指令系统），软件静力学分析主要意义在于开发工程量分析

d) 软件动力学架构分析，自动架构优化，自动多线程，自动流水线，类似于函数、模块级的复杂数据结构与算法（数据与指令系统），根据MADO强度分析软件系统组件受力状况，自动进行架构调整，优化系统算力安排，提供需要的最优系统性能），软件动力学分析主要意义在于运行分析

e) 操作系统的流水线编程模型，提供顺序并发的流水线模型

f) 关系型文件系统，相关的文件之间建立直接的链接，可直接进行跳转，省去了查询索引的时间，效率提升log(n)倍，加速查询速度

g) 带优先级的文件系统，按优先级分配读写带宽，存储空间，空间紧张时，对低于一定优先级的文件自动删除，使之具备遗忘功能，优先级可以根据文件的重要程度，时效等进行定义和调整

h) 对接ERP系统的存储系统，实现容量分配，维护的自动化

i) 机器推理，输入为一个带约束的参数系统，按一定规则遍历各参数的取值，对系统的表现进行打分，取最高分为系统输出，即推理的结果

分布式p2p IaaS，需要开发相关虚拟机（含手机）和管理系统，提供资源的探嗅检索与呈现，自动分配与管理，并对服务能力建模，提供资源的租用功能，并建立与之匹配的交易系统，交易系统是中心化的，需要认证，平台收费或免费去广告，待定，广告推荐与默认筛选算法推荐单列，广告收费，资源广告应标注出资源特性，设计基于地理，资源质量的自动资源分配算法和协议
分布式p2p PaaS需要开发相关容器（含手机）和管理系统，提供资源的探嗅检索与呈现，自动分配与管理，并对服务能力建模，提供资源的租用功能，并建立与之匹配的交易系统，交易系统是中心化的，需要认证，平台收费或免费去广告，待定，广告推荐与默认筛选算法推荐单列，广告收费，资源广告应标注出资源特性，设计基于地理，资源质量的自动资源分配算法和协议

a) CaaS（Content as a Service）分类信息与应用检索与呈现系统。对不同媒体的信息和应用进行综合陈列（新闻，视频，购物等），相关性分析采用机器学习，机器推理，自然信息识别等技术，提供交互式的接口，提供论坛式的评论功能，相关信息可以提供电子商务，广告的入口，作为盈利模式，同时支持移动端，电脑端，核心共享，UI不同，与GIS系统的集成，架构可以是P2P的，并在此之上提供与中心系统的接口。

P2P的即时通信软件（社交软件，集成信息发布与管理系统），外观等用户数据P2P存储，降低数据中心成本，提供开放的编程接口，提供更廉价，更个性化的服务

a) PRPRD（personal resource planning， research（analyze）， develop（design）），FRPRD（family resource planning， research， develop）,ORPRD（organization resource planning， research， develop）时间，财物，技能，娱乐等资源的规划，研究，开发，采用机器学习和机器推理技术

量化购物系统，提供产品的标准化比较功能，提升购物体验
历史的量化体验（娱乐，生活等）系统，提供体验的统一比较功能，最优化体验（含选项）
量化健康管理系统

a) 集成电子商务，电子商务系统集成ERP、PRP，实现订单到生产、物流的全自动化，ERP、可自研、可提供第三方接口

机器学习和机器推理应用于测试验证和工程应用，进行缺陷分析，缺陷预测，测试用例生成，应用方案设计。也可探索机器推理应用于开发。
自然信息、.代码与数据库分析工具，根据自然信息、代码和数据库的内容生成UML等描述形式的设计文档，用于产品分析和验证产品实现与产品设计是否一致
通信系统（即时通信系统，邮件系统）集成电子商务系统，ERP，PRP，提供相关系统的入口和操作界面，通信系统同时应提供可编程，关系型，交互式，多媒体消息和UI
组件化（可重组的），网络化，可编程、关系型UI，打散与重组现有的窗体UI结构，实现不同窗体元素的可重组，可编程，同时相关的UI可联合操作。
Word的模板化程度不够，应该提供强格式化的模式（大部分格式智能且不能修改的模式），自动导入格式。
基于媒体信息分析系统的量化交易系统，分析媒体上的信息量与信息系统的运行状况（如主流媒体的新闻报道等），根据信息系统状况分析产品社会接受程度，进行销售预测
系统化，数量化政治学，法学，历史学，新闻学，经济学，及其结合，智能营销（产品特性，广告，价格，服务与销售结果的成本和收益建模与分析，需要应用机器学习与机器推理），智能社会意愿，智能社会系统分析，预测，控制（机器学习、机器推理及其应用），计算机辅助文档撰写，高级智能（可编程，关系型）文档组件，模板，自动化文档撰写
机器推理在新闻学，搜索，等社会科学上的应用，自动评论，自动编撰系统，自动提升搜索排序，自动制造热点
论文发布,论文评论系统，相关论文的推荐，论文与广告，电子商务结合，利用知识促进产品销售，在B端对企业进行收费，收入与作者分成

a) 根据产品设计自动进行时间和空间编排的测试用例生成工具

自动用户文档生成工具，根据设计文档或代码实现自动生成用户文档
测试ide，测试用例控件（模板）化，部署和维护自动化，设计测试用例控件，提升测试用例设计自动化水平
后台程序控件（模板）化，部署和维护自动化，设计后台程序控件，提升后台程序设计的自动化水平
数据库模板，部署和维护自动化
网络模板，部署和维护自动化
存储模板，部署和维护自动化
计算机或计算机集群模板，部署和维护自动化
Cad（computer assisting deploy），da（deploy automation）
CaOAM（computer assisting OAM）, OAMA(OAM automation)
带推送数据，指令，操作系统指令和api的数据库，文件系统，驱动等，数据库，文件，资源等可主动启动程序，发送数据和指令，触发程序操作
独立的软件架构公司，提供软件各种粒度的软件架构和软件设计服务
独立的系统架构和设计公司，提供各种系统、复合系统的架构和设计服务
资源（文件，设备，程序等）、信息发布检索的经济系统，在搜索引擎上增加交易系统，提供有价的资源交易服务
新型搜索引擎，采用分布式架构，采用信息与资源来源的被动分析和主动注册混合的架构，依赖资源（内容，文件，设备，程序等）提取，压缩，映射，级联，分级，分类，广播，注册，搜索协议，提供个人资源的发布与检索系统，集成入操作系统中

a) 自动存储发现，配置，扩容协议

基于机器学习的自动存储配置

a) 自然多媒体处理，联合媒体内容分析技术，采用自然语言类似的技术进行多媒体内容的分析，使内容识别更精确，采用联合分析算法代替高精度的要素分析算法，算法效率更高

b) 软件网络，操作系统提供类似kafka的组件，使不同软件之间可以进行网络化的通信。

c) 操作系统和硬件系统的通信与计算分离，在指令和编程模型上提供并行赋值、通信，广播，交换功能

物联网枪支管理系统，使用物联网进行枪支的管理和控制
物联网重要物资管理系统，使用物联网对重要物资进行管理和控制
基于图像的搜索引擎，基于视频片段的搜索引擎，针对图像和视频片段进行相关内容的分析和搜索
图像视频语音行为（app）识别的特征提取，作为一种图像压缩算法用于检索，提供相关信息和行为的推荐，根据用户行为个性化推荐系统，交互式搜索，选择，引擎
基于声音片段的歌词歌曲相关信息搜索引擎
DJ算法，音乐，视频，附加智能评论，辅助欣赏，数字主持人，家庭晚会
soho软件，远程桌面监控，自动桌面运行情况采集，过滤，防欺骗，远程视频监控（可选）自动会议记录，语音识别，摘要生成
电子车窗可升降集成仪表盘，后视镜，视频等，触控操作（可选）乘用装甲车，安全系数高
低速超多核架构cpu，高速互联，现实的自然系统大多是并发的，所以适当牺牲单核的性能以提供更多核心和更多线程是合理的
automedia language 媒体间内容映射，一对多，多对一，设计一种语言自动对一份信息的自动多种媒体的信息资源检索与展现
媒体文件内嵌指令，数据，内容，提供可编程的媒体文件，实现交互式，可编程，关系型的媒体文件。

a) 抽象信息系统的角度理解机器学习与机器推理，设计非监督，自修正，自优化的neural network，machine learning系统

主动信息地址生成，反射，发射，移动技术
cas计算机辅助服务，服务的定义，自主定义，编排，监控，修正，控制，动态系统和环境数据采集，沟通，交易，知识库
采购助手，专家，出售(广告)助手专家，设计助手专家，生产助手专家，维护(诊断，修复)
电子商务店铺标准化，自动店铺导入，导出，生成，陈列，调整
智能内容系统模板化，自动化
硬件支持的并发排序器，搜索器，以及其它硬件支持的并发算法，广播，并行计算，汇聚，并发快速排序，映射排序，并发映射排序
分类的自然社会科学技术网站，提供专业资讯评论和论文，挂钩电子商务和社交和教育和技能树知识体
p2p云存储，p2p云通信
标注任务状态的管理，项目管理系统
可定制ui的操作系统
etp(task) 企业行为设计与管理系统，eos system，
a) 软件网络
b) 云的流量，资源自动规划与维护
需求到代码量和工作量的团队设计的评估系统，咨询服务
育婴机器人，提供识字前婴儿的教育功能，婴幼儿教育是一份枯燥的工作，大都不够科学，提供多媒体的教学功能弥补这一空白。
计算机辅助社科设计，组件化，模块化社科文档撰写
专业的咨询系统（教育、医疗、金融、消费等），分行业的，基干计算机，智能的，半自动的，社会开关，放大器
不同层次，组件设计语言间的统一描述和翻译(类似于hibernate)
3D网页，3D个人空间，自定义个人空间，P2P的个人空间，个人网店，广告运营利润返点作为激励，P2P架构网站，共享域名（使用url区分网页内容）
硬件定义信息系统（硬件定义数据库等，将高频使用的函数和指令和数据硬件化）
可视化系统（项目，事务）监控与管理，运动（进度）的可视化（并行的，多任务的），包含运动属性的可视化（运动，阻塞，就绪等待，加速，减速等）

a) 分层机器学习

b) 操作系统级为每一个文件建立通信管道，建立邮箱，建立事件（如删除，修改等），建立事件，消息的订阅发布机制

c) 地址就是坐标

计算量的角度分析ui设计模式并进行优化，哈夫曼树方法
逻辑的超自然只是在虚拟空间中，通过调整(压缩，扩张，倒序，乱序，变换)维度来实现的
无限是可以被标准化的一种超自然的描述，实质是一个大数字，常见的表述有一定的模糊性，是错的，其阶数有意义，其量也有意义

a) 信息(计算与通信)系统是一种数据与指令相互影响的信息力学系统

gis功能分层，开销聚合，自治域，减少机器推理规模，提升性能
gis发现与注册接入算法，网格广播，网格广播在资源稀疏矩阵中，矢量网格广播，分层，分域网格广播

a) 融合生成树算法的局部扩展开放最短路径算法

生成树算法和OSPF的复合算法，距离向量算法和OSPF的复合算法
物理数学，数学的并发性等系统属性，数学指令的时域特性，数学指令的同步异步，通信，存储，计算
数学指令集，一般力学力集，力的作用形式包含发射，吸收，反射，折射其中反射和折射是二次过程
映射排序，搜索是个路由过程是个运动过程，排序也是个运动过程，路由过程，排序的空间要紧一些
带连续性标记的排序
压缩，迭代数据排序

a) 系统是一个物质集

物质的存在是由力定义的，物质对物质的影响定义为力，物质的改变是由力导致的，运动是一种物质的改变，也是一种力，不同的力可以是正交的，也可以在一定条件下进行相互转换，电磁力，万有引力等狭义的力的作用是相互的，能量，运动等力的作用不是相互的
物质分为一般物质和介质，能够接受和发射力的物质为一般物质，能够传递力的物质为介质，空间和时间都是介质，时间还是一般物质
信息发布，讨论，评论，交易，存储，信息的循环利用，反馈
反馈是一个系统过程和结果对系统产生影响的过程
典型系统的构成包含循环与反馈，包括系统自循环与自反馈，不同系统之间的交叉循环与交叉反馈，系统与环境之间的循环与反馈，子系统的微循环与微反馈
管理的过程是一个系统控制过程，主要是一个反馈过程，也可以是开环控制的
抽象信息系统的角度进行neural network，machine learng PRP、ORP系统内核建模。非监督，自修正，拓展的neural network，machine learning系统建模

a) 主动，异构物质坐标生成技术，更精确的内特性，不太全面的外特性，与被动物质坐标生成技术结合（更精确的外特性），用于物质定位，力的释加，物质的移动，改变

b) 管理，生产，消费，信息系统中反馈，资源，产出的循环利用，循环系数，系统反馈系数，反馈是一个系统（多输入多输出），系数大于1，饱和，系数大于0，放大，小于0大于-1，控制，小于-1关闭，系统的运行形态类似于一种波，特征提取，采集，监控，滤波，控制的迟滞性，控制的资源消耗，管理成本，如果反馈控制的资源消耗大于收益，可采用开环控制，微循环，微反馈

重新定义物质，一切皆力，运动也是力，类似波，质量也是力
团队应当是兄弟般的，互相帮助的，自修复，自完善，优点正反馈的系统，缺点负反馈，反馈系数大于0的系统

a) 经济发展的积累和消费

b) 宏观心理学，微观心理学，社会心理学，历史的

c) 量化知识产权交易

d) 媒体内容的阶级性，高层抽象+专业和底层具体+专业，中层专业+半抽象半具体，专业指包含分析和评论

业务（模块，活动）接口的标准化，适配层，业务（模块，活动）间的穿透，精简，缩短，创新
正负微反馈式机器学习、推理系统，反馈延时，反馈的时域迭代积分特性,实时系统，反馈优先级，反馈算法，反馈延时引入新误差，迭代收敛，噪声就是误差，白误差，误差的最小值=反馈误差系统增益（反复多次积分）+系统误差（误差）系数输入信号,这里乘法只是一个算子化的表达，并不具实际意义，离散逻辑系统，误差可以为0，系统反馈的正负迭代，

a) 模拟信号的再生，降噪，调幅改调频，调相等

数列是离散系统的状态表述
噪声对系统的清洗作用，系统的清洗，释放资源，转移注意力，放松
清洗会有磨损，也会引入部分新的物质，清洗是输入与系统或系统自身的力的作用，使系统的一部分组件运动出系统的过程
系统是物质集，包含其含有的时空
并行算法处理输入和中间结果代替处理结果，加速处理过程

a) 机器学习的循环

b) 物质分为一般物质和介质

c) 快速rsvp协议，并发与串行混合发送协议，建立lsp，减小时延

文档控件化，标准化开发，设计，开发，移植，测试，修改，循环改进，部署，运行操作（事件上报，下发），故障，更新，卸载
品质是系统实现与系统设计的匹配度（各维度的功能，性能，子系统，组件元素定义，系统实现可超越系统设计）

a) 人机协同自动化（简化到选项），带约束的自动控制，带约束的机器推理

穿透，并发式通信协议，穿透式广播hello，发射式，反射式hello
跳跃树

a) 可编程网络

时域通信协议
时域和空域的带宽，网络规划协议（人工智能）
主动数据结构
与非是存在与非存在，逻辑就是物质的属性，从指令的设计中寻找协议设计的灵感，从协议设计中寻找指令设计的灵感

a) 信息呈现的机械化，不同节奏的信息的搭配，离散信息的收发开销比连续信息要小，缓存，离散信息与连续信息（物质）对系统的冲击是不同的，最终会产生共振，驻波，对系统形态产生影响，脉冲

系统与系统，系统与环境（外系统、平台）之间的相互影响（各系统自身的碰撞，融合，改变，输入输出系统的对系统本身的改变（各维度，增减维度的），循环，反馈）各子系统的流动，震荡，收敛，扩张

a) 市场，社会，新闻，信息的波动，波动的利用，抑制，通货紧缩要通过加薪的方式来抑制。

新闻应当提供专业背景知识，历史信息，相关信息的链接
并发式数学，并发式图论
系统代数
索引，摘要，关键字，键，实际上是地址
搜索是广播反射（针对特定信息波）
多线程快速排序，多线程递归

a) 实时(定时器，事件)事务，任务，对象，资源引挈

基于我的物质与力的定义的新物理学目前的主要意义还是在于统一模型表述，在计算机领域的应用和优化学习过程，后续的物理意义要看观察和实验的情况
空间是一种介质，时间是一种一般物质，时间会推动物质在时间维度上的移动，我们需要用其它物质来度量二者
物质可同时具备一般物质与介质两种属性，如质量，既是运动中的介质，又是万有引力和质能方程中的一般物质
机器推理分两种，从参考模型（模板）开始推理，从空白模型开始推理

a) 计算机可用于生活，生产，消费控制与管理，含设计，实施，运维，各种活动和规则的定义，监控，修正，编程

品质是产品的使用效果

a) 计算与控制就是一个模拟和实现（放大，转换）的过程，反馈与监控是为了修正模拟的系统，之后可以反馈到现实的系统中

协作式计算与控制系统，多输入多输出的，人机协作的，基于通信和event引擎的内核，时间和空间的多维寻址与控制，监控，历史数据的记录与分析
带对话内容搜索与分析功能的通讯与内容记录软件
系统设计，计划，程序，运行的分解（时空等多维度上的矢量，位图），重构（时空等多维度上的矢量，位图），系统性能，功能，范围，合法性（负面影响），可用性（使用效果）评估（机器学习和推理或本能式），系统规则订立（机器学习和推理或本能式）
人工智能分三类：本能与推理类、机器学习与推理类、混合类，三级：第一级，简单映射，第二级，归纳、演绎、联想，概括，第三级，自优化归纳、演绎、联想，概括
数是图的一种，无理数是无法用基本运算的迭代器迭代出的数子，但是可以用其他方式迭代出来，如圆，体。数和图是由各种数子组成的。数子论与迭代器理论，不同数子（如无理数与有理数）间的不完美映射性，有限迭代的误差理论（如a的pi次方，无理数指数等），多次迭代过程的累积误差理论，计算方法问题。
微分是一种瞬态，点有瞬态大小，线有瞬态粗细，面有瞬态厚度，数学表达式有瞬态表达式和稳态表达式的区别，包含迭代器的表达式很多时候是瞬态的，要看迭代器的条件，结果也是不确定的。不同长度的线段中包含的点的数量要看线数子迭代器的条件，可能相同也可能不同，要看稳态条件。
远程内存，单独管理的远程内存，不太活跃的对象放到远程内存中，与通信为中心的计算机架融合
系统运动变化分为膨胀、平移、旋转（一种特殊的平移）、收缩、分离、混合、分解、结合、增长创造、减少消失、性质变化11种，其中膨胀、收缩、分离、混合、增长创造、减少消失有组件群体内部相对时空位置的分布特性，模拟描述这些运动变化时需要注意坐标系的选取与迭代器的设计。
系统的意识反映在系统的行为上，无论有无控制系统
协议是一组互操作的指令与数据与资源集（对社会系统也适用），用于一组系统的互操作（影响），是一个联合状态机
协商是一个不同系统状态同步，调整，适配的过程，是一个互相控制的过程，可以是开环的也可以是闭环的

a) 控制是操作是作用是影响

b) 控制就是管理

c) 协议的设计取决于协议控制系统的时空维度的系统形态的控制要求，核心是系统定义，由系统定义引申出系统控制，根据控制要求定义协议，联合状态机

多媒体协议的时间维度形态协议，空间（用户）维度的形态协议，矢量数据流的协议，时间与空间的带优先级的，可抢占的，分类的（硬件加速的），自动的，半自动的，可编程的，关系型的（用户数据库，时间任务数据库），用户组行为，相关用户行为的相关操作，互操作，通知
行为的生命周期，生命周期实际也是一个控制过程，本身也是一个推理演绎的过程，由总体到细节，分层分模块实现是高效的推理演绎算法，可以大幅减少推理的规模，当然，需要牺牲一定的逻辑最优性，微观结构和宏观结构的分别优化和相互影响及相互适配以及相关的优化是推理演绎研究的主要方向(同时适用于机器推理和人工推理)，缓存推理方案进行相似推理结果的部分复用(概要复用，细节复用)
闭环全自动系统也许必然包含一个FSM
协议可以包含存在感知和状态同步和互操作三部分，三者不是必然绑定的，底层协议包含了存在感知上层协议可以不再重复包含，TCP绑定了存在感知和状态同步，存在感知包括发射和反射两种，状态同步和互操作包含开环和闭环两种（区别在是否包含信息可定制的ack报文）
协议不一定包含状态同步的部分，如restful协议，无状态同步需要互操作部分报文包含全面的状态信息
多媒体协议应包括多媒体播放系统的全部操作，包括带宽，多码流，用户，群组，混流，交互接口定义（系统与系统，系统与用户，用户与用户间的交互），交互流，矢量流，应当包含自动与半自动的，还可以考虑包含录制，资源与用户以及资源与用户数据库的crudn操作
FSM的自动性（手动，半自动，全自动），不同状态间的可达性

a) 高级通信协议，将应用层模型与操作包含入协议报文中，减少软件编解格式化消息的工作量，硬件加速，同时提供精细化的接入与连接与带宽管理（含组级别管理）

通信（交通）的目的是为了彼此施加影响，为了操作，为了传递资源

a) 反馈包含四步，监视（分为发射、反射两种，信息包含水平触发、边沿触发两种，边沿触发的信息压缩程度更高），分析（整体化或组件化的抽象与具体的模拟、判断）、设计（整体化或组件化的抽象与具体的模拟、推理），操作（开环、闭环）

b) 协议的交互过程实际是一个控制过程，可以开环，可以闭环

资源（计算、云、社会）常见的几种属性：主要性能（主频，缓存，容量，带宽），次要性能（使用时间、温度等），资源组，用户组，资源组与资源组之间的关系，资源组与用户组之间的关系，用户组与用户组之间的关系，管理员组，管理员权限，用户权限，资源权限，关系权限，资源状态（开启、关闭、可用性等）。
权限包含资源、用户、关系（CRUDN，组合，互斥等）、状态的CRUDN（create, read, update, delete, notify）操作
智能控制系统的方向：智能资源属性管理控制、智能资源时空结构管理、智能资源量管理、智能资源生命周期管理

a) 信息系统的MADO（monitor，analysis，，design，operate）架构，在MVC架构的基础上，实现输入输出的分离，分析与设计的分离，分别管理

分布式（控制）系统涉及到竞争、饥饿、死锁、协商（非竞争性资源申请与分配）、仲裁（竞争性资源申请与分配），合作（并发）
系统分析包含物质（资源、用户），力（关系）的分析，系统架构常见的架构方式包含物质（资源、用户），力（关系）分离，活跃度（强度）物质（资源、用户），力（关系）分离（IT系统中该项分离主要用来提升缓存命中率，活跃度（强度）分离包含表面和内在物质（资源、用户），力（关系）分离（document&view，MVC等）

a) 高频小工作量系统的收发、管理开销比低频大工作量（批处理）系统高（如硬盘），架构设计时应根据处理时间（延迟），处理能力综合平衡考虑

介质分为总线（面）型和点对点（边）两种，可以是单向的也可以是双向的，总线可以被复用（时分，频分，码分，正交频分等）

a) 力的传递性，广播性

网络是一个系统，由接入点（物质），介质，路径（接入点和介质组）构成，当前的OSI和TCP/IP数据链路层以上的介质都是点对点的，可以提供总线型的高层介质，通信报文是力

a) 对称双向广播网络是一棵树或一组树，可以是单叉树，介质是点对点的

单向或非对称广播网络，介质是总线（面）和点对点（边）的混合树，可以用总线加速广播，当前OSI和TCP/IP没有这方面的定义。
图论欠缺对总线（面）的描述，面的特点是广播（并发迭代）
几何图形由点、线、多维线（面、体、多维体）构成，点单次迭代，线一维迭代，多维线多维迭代

a) 计算机的目标是控制和虚拟（虚拟是为了控制（含虚拟设计，生产，测试，部署，维护（老化），退役、循环再利用）、娱乐、教育（娱乐和教育是为了控制人））

b) 销售（定价、广告（含政治）对收入利润的影响）、设计、工程、运营、维护业务分离，分别生成不同的公司（平台，系统化的）

c) 设计生活（含生产经营）方式，兴趣（消费、利益、减轻压力（增加产出，减少问题））导向

一般力学（软硬件力学等）的系统模型化可借鉴物理学的成果（分子力学，流体力学，刚体力学，弹性力学等）

a) 对象（系统与子系统）的定义包含生成、初始化、注册、MADO、持久化、销毁

b) 各个子系统（包括环节）的内容，工具，操作系统的掌握和操作即是工作内容

对象的结合，分解，混合，分离（查询）等操作需要提供语言支持或相应的库

a) 边缘计算也许主要是机器学习的分析和简单推理，不含全量训练，可以增量训练

b) 机器学习是自动编程技术，神经网络有个独特的特点是广播，有些信息处理过程也含广播，该指令可以共用

c) 分布式机器学习、机器推理，非对称神经网络（汇聚，动态连接（依带宽、算力而定）），分布式训练，汇总训练结果（汇总算法待研究）；分布式推理（输入，过程异构推理），汇总取最优结果；批量输入分布式判断；批量输入分布式预处理（部分判断）；批量输入分布式推理（分层推理）；与边缘计算（主要用于异构，定制计算），网络（云，分布式云）计算相结合

d) MAP进一步分解为MAPO（monitor、analysis、plan、operate）分析就是判断，计划就是推理，这两部分可以与机器本能推理，机器本能判断和机器学习推理，机器学习判断

e) 判断是一种单次推理，推理的要素包含初始条件和策略

f) 神经网络计算，深度学习，强化学习，神经元（神经元组）的指令集，循环，整个神经网络计算过程就是一个程序

系统的存在形式包含单体，多体，异构，多样，层，群，probability连续与离散的，这个可与系统的运动合并作为创新的模式
一个硬件指令流即可看作一个核心，可以进行广播，可针对不同的任务设计不同的指令集，作为专门的硬件核心进行并行化加速，与软加速相辅相成，如调度器，查询器，搜索器等，可作为硬件加速的设计方向

a) 图像识别应当是3D的

b) 机器学习训练的分层（过程，分解并发）训练，不仅对结果进行约束，还对层进行约束，以提升算法效率

部分分层训练，control a part of neurons of a layer， control some layers of the system

a) 文档的编写实际是一种科学，阅读是一个训练过程，总分的描述结构有助于训练过程的收敛，分总的描述方式模拟了研究过程，是一种启发式的描述，插叙介于两者之间

系统可以认为是流程聚合成的，组件也可以认为是流程聚合成的，从时间维度上来说，从空间维度上来说是模块聚合成的
机器分析和推理训练数据的代表性要充分包含相关空间分布的特征，允许关键训练数据，关键训练数据不允许出错，适配训练数据的优先级和权重的分析和推理系统，系统规模反馈式分析和推理系统，系统规模循环式分析和推理系统，选择式（串行、并行）分析和推理系统，搜索式（串行、并行）分析和推理系统，排序式分析和推理系统，学习系统系统自动分析，设计，优化软件

a) 神经元汇聚函数的多样，逻辑神经网络，神经元和突触采用一些二进制指令，进行自动编程。

机器学习的模式，关键数据全量学习或强化学习（不允许出错），一般数据酌情全量学习或强化学习

a) 机器学习微观演绎算法的腐蚀，膨胀，训练数据分布与排序与距离计算与遍历，强化训练在有序训练数据的情况下效果要远好于无序训练数据

b) 机器学习的微神经网络与动态神经网络，分块学习，微神经网络对马尔科夫过程要好于贝叶斯过程

c) 周期性神经网络，卷积神经网络及其他神经网络

系统语言，描述系统的构成与运动，以此为模板考察其他语言发现一些问题：sql缺乏分离与分解（convolution， frequency）mix，combine（convolution， frequency），move，spin（switch）操作，其他高级语言缺乏查询、分离、混合、分解、结合、move，spin（switch）操作

a) 查询是分离和复制（增长创造）的结合操作

系统存在（力）的变化过程称为系统运动，系统运动也是一种力，在过程维度上的一种力，力在很多情况下可以相互转化，力转化原理，一部分力在一些系统中是守恒的，部分系统中存在力守恒原理
2力比较是一个3力系统，分为两个待比较力与一个选择力，表现为分离和基线平移的混合操作
闫啸过程，组件对系统结果产生影响的过程，马尔科夫过程，组件对组件结果产生影响的过程，贝叶斯过程，系统对组件产生影响的过程

a) 闫啸过程表现为循环神经网络和逆向神经网络

b) 交叉神经网络

c) 动态马尔科夫过程，dynamic Bayes process，dynamic Markov process， dynamic Yan process动态变化的组件

微神经网络与强化学习结合，分块学习
Data is a kind of instruction，very simple，plain

a) Harvard architecture actually have two classes， one is the memory of instruction is faster than the memory of the data， this kind of architecture mainly used for deducing， another one is the memory of the data is faster than the memory of the instruction， which is mainly used for analysis

b) For the MAPO architecture， the output of the A is the current status and the target status（goal）， the output of P is the operation for the status transferring。

c) The relation between System existence，movement and physics（natural and logic， classic mechanic， relativity， quantum mechanic，boson， statistic， probability， calculus， linear algebra）

d) A concept of task（instruction） and file（data） group and layer， make different management（resource allocation or state transferring） policy

e) Use framework to program maybe bring huge improvement on developing but will lose some flexibility of customization and some runtime efficiency。

f) Management is control which means state transferring which need resources so the resources allocation is also a part of management

g) Resources are energy and material， both of them are forces

h) Dynamic neural network， the system of neural network depends on system of the training data

i) Distributed neural network and learning experience (learned neural network with key training data) ， different neural networks learn different data and exchange experience in order to get a better network。

The key of Dividend layer and block of neural network is Edge extraction or some other filter to vectorize or compress the training data and then build the network。

a) Micro read and write of storage system， use batch processing， merge file open and close operation， use RW number， time， data size and file priority these three dimensions to trigger the batch processing。

key features of distributed system
the operation protocol， which define the external behavior of the system。The object it managed could be layered， grouped， heteroid， multibodied diversified and singlebodied。The protocol need include consistency and Lock
the internal management system
the communication system

a) Management process is a control process， Monitoring including Learning， Operation including training，training is also a rethink and discussion process， operation process itself need to be monitored also which means it also include feedback， quality control and learning， operation process also need reminding since people may forget， make checklist（standard） for every process to remind， emphasis the standard during the work

b) Learn from your customer（other people）， train your customer（other people）， remind（other people）

Nested Feedback and Recycle， for example ，we could build feedback process for Operation of MADO

a) Growing Module for software Engineering， from minimum system parallelly iteratively growing up

b) Telepathy and mind control is good for the society

The difference among The event（process）s’ cycle and their mutiplexiblity is a key of module separation。

a) I am Hyper-perfectionism and beautinism，so i need care for other people’s envy and pardon other people’s ugly

b) Key of Neural network is the natural rule like energy， momentum， statistic， constraint， structure， distribution of time domain， memory（real time statistic）

c) Convolution， correlation are mutual domain filtering algorithms， vice versa。

d) Distributed manufacturing， supplying， storage system， balance the cost of nodes and cargos， the management cost like training， reminding（reviewing）， monitoring， operating（ordering）， analysis， designing（planning） could be significant cut by IT system

e) Skill and quality certificate system as a part of the QA system which can expand the suppliers and the consumers， lowering the cost and adding the profit， need to be distributed and also need QA which could be democratic。

f) Behavior support system as a upgraded system of decision support system， since the IT system become cheaper and more powerful， we could make system to control and assist human and machine more detailed， like auto schedule， auto reminding， auto meeting management， auto report， auto order

LTRRMRAPOO（learning，training， reminding，reviewing， monitoring， reporting， analysis， planning（designing）， obeying， operating（ordering）） System is the architecture of the AI（controlling） and human， machine and natural management system，LTRRMRAPOO is not the atom system， the atom system is MAPO， LTRRRO（learning，training， reminding，reviewing， reporting， obeying） is the MAPO for MAPO

a) Failure detection is for QA, the feedback of Failure detection is fully or partially rollback, retry, recycling resource, updating the controlling system and ignore.

b) Dynamic（multiple） distributed system， dynamic（multiple）layer，group，interface node（master）

c) Yanxiao Process one： one result other than environment may affect（add reduce change） the elements（or environment） of other result or next result like RNN or learning changing probability

d) Yanxiao Process two：one result may be affected by next result（predict）

e) Yanxiao Process mainly applies on complex system like system with high intelligence。

f) Mechanical filter， splitter（size weight density melting boiling sublimation）， mixer（combiner）（balanced unbalanced）， liquid， gas filter，splitter， mixer， combiner

g) Mechanical translation，spin，transmission， gear

h) Constraint Neural Network

i) Machine simulation， learning， deducing system， Production line simulation， learning， deducing system， Life simulation， learning， deducing system， Enterprise simulation， learning， deducing system， Organization simulation， learning， deducing system， System simulation， learning， deducing system

j) NLP base on natural system， mainly for professional purpose

k) Broadcast and hash language structure for compile

l) Array， list， tree， heap and queue are all trees， the difference are the level and the leaf

m) Data and instruction system are graph（network）

n) Smart tree（graph）， automatic optimize the structure of the data system， multiple structure of the data system， mixed structure of the data system。

卷积和相关用于模式识别是不准确的，应当使用归一化或自适应增益差值积分

a) 情绪高(高兴，悲伤)意味着注意力不集中，有利于广度思考，不利于深度思考，小心被利用，产生大意

b) 磁质说，磁子的丰度决定磁性，地球物理，地磁场是由被万有引力吸引的磁子形成的

c) 组件、元素、可靠性与系统可靠性之间的概率关系

d) 转动，平动，自由度之间的关系，陀螺，活塞，齿轮、蜗杆等

e) 信息呈现的机械化，不同节奏的信息的搭配，离散信息的接收开销比连续信息要小

f) 音乐的高雅与流行，放松与战歌

奶酪以及多种蘸料的烤鸭或烧鸭，啸鸭
软装饰设计公司
生若磐石，活似流水，间或烟火
like the sun, shining forever, like the wind, free forever
IT监控，分析，计划，实施操作，的量化分析，可以成立一个学科了

a) 网络评级什么的不也是搞起来了嘛，差不多就可以出第一版，迭代开发，逐步提升精度

b) 量化系统是高难问题耶，可以考虑机器学习和机器推理，不过一般用本能系统就可以了

c) Dirty work可以自动化或建议外包

d) 要有经营意识，做个人和集体的发展计划，发觉掘新需求，优化既有系统，牵引个人和组织发展

唯心，唯物的很无聊，心物都是系统，没什么区别，都是物质，抽象的信息也是物质，只不过元素的定义不太一样

a) 神经网络计算实际上是自然系统计算，包含广播和并发，主要包括weight的指令（算子）的软硬件实现和分层探索策略。

软件（互联网服务）的标准化，分布化，P2P化，SaaS，不同模块使用不同的供应商，使用各种协议进行协作和集成。

a) 创新和优化的模式，从微观积分生长重构，从宏观微分分解重构，前述两者的时空等各维度上混合，注意观察与重构自然与社会，从中提取pattern，结构的定义过程包含演绎与归纳，观察，思考（分析，设计），实验

悖论实际上是一个错误的用相等表述的不等式（各维度上皆可，包含整体与部分，部分与整体，个体与个体等）如先有鸡还是先有蛋，那个扭曲的环，罗素悖论等
显卡与自然系统芯片(各种数字电路芯片，AI芯片等)的操作系统

a) 工作的描述，自动化

b) 文档的编写实际是一种科学，阅读是一个训练过程，总分的描述结构有助于训练过程的收敛，分总的描述方式模拟了研究过程，是一种启发式的描述，插叙介于两者之间

c) 系统可以认为是流程聚合成的，组件也可以认为是流程聚合成的，从时间维度上来说，从空间维度上来说是模块聚合成的

d) 重复一个发现的过程未必是坏事，有时会有新的发现

带陀螺仪的3D建模工具
电子手办，3D个人空间，可基于P2P技术实现，同时出租中心化服务
光学雷达，基于机器视觉的3D成像，建模技术

a) 分布式计算，一致性，共享资源与加锁

死锁的处理，同顺序申请资源，抢占，随机回滚规避

a) 几种典型的分布式系统：计算机系统（单系统，集群），嵌入式系统（单系统，集群），机器人系统（单系统，集群）

单系统指令（行为），集群指令（行为）

a) 指令是一种行为

b) The data for the senior position are almost same as the junior one，the product are the crystal of the designer（especially the senior ones）’s thought， everybody can work on them， improve them， redesign them， replace them， destroy them

c) Greed is an instinct，learn to utilize it when everything goes well and control the damage when everything goes wrong since the reality is for good not for bad，greed for bad is for defense not for suicide，not even for destruction for most of time because your enemy may fightback， live by yourself if it is essential， for peace and freedom

Life is an adventure， always some risk， always some extra reward， at least for now
Block Storage：Dynamic expansion，risk group（automatic backup solution based on risk group）， priority and classification（disk type，reliability，rack， equipment room etc.）， batch processing， multipartition， automatic partition，migration（automatic），automatic discovery， automatic pooling（subpooling）， automatic allocation， automatic expansion protocol
For distributed system， conflict processing is also important， the method include preemption， evasion， vote， applying the resource with the same sequence
Driver is actually a protocol agent（including server and client）， it could be closed loop（TCP like） or open loop（UDP like）， sometimes we integrate some application layer function into it。

a) Flow adapt， event response and control（for human， use notify to prevent forget）， MADO， feedback， recycle are the keys of intelligent manufacturing。 Using machine learning and instinct。

b) For AI chips， every portion of neural should share a part of the cache（distributed cache）

c) precise instrument manufacturing is actually an statistic process， chooses the best from a lot of products

d) SHA is actually distributing the info to the Ciphertext in order to make the Decrypt time become almost same

e) FEC is actually use the redundant code to code a portion of the whole frame

TCP lacks of connection monitoring process（heart beat or detection）

a) Batch process when the communication cost is high in distribute system like database or something else

b) Learning is actually a monitoring（observing） process

对称通常有许多高效处理
牺牲整体的对称换局部的对称通常是划算的，因为局部比较多，而且局部不同的对称可以相消，整体外面可以包一个对称的壳或ui，整体可以是一个模块

a) 架构，要素的更新，技术周期律的另一维度

远程翻译，远程政务

a) 使用加速度计的精确爆破炸弹

手机或摄像头帽子共享视野，不仅远程工作可用，元宇宙也可用
不同设计语言之间的翻译
根据文字自动生成图象，音乐，宏观谱和微观谱的映射，创新
Caas的发布系统，同一份内容经不同自动化或半自动化渲染后发布到不同的系统，内容提供方只保留和管理一份原始的数据，各平台上的反馈集中管理
一切使用不饱满的物质都可以用来共享（出租），如五金工具等
高级进化机式的连锁中小企业集团（使用IT系统强互联（中心与区域并举）——半定制办标准化的IT系统）——专业的品质管理网络后售后网络——建立中小企业甄选和培养机制
同义词搜索，单列或混排（Option）搜索结果，云搜索（热度系统搜索，有价值的冷度系统搜索——Option）
a) ——热度和价值的关系，就像金钱与名誉的关系，有一定的等价性，但有个边际效应递减的问题，还要提供忽略常识的选项，还要提供安全和特殊内容的绿色通道（包括对特殊的原生内容提供时效性的特权）——信息生态系统——相关信息展示
还可以在装饰上引入电子和机械要素，这些系统的构成是自然的一部分，也一定程度上适配了自然谱，无需太多改动就可以作为艺术品——其实人体内组织也不是那么难看，可以变个色，就可以克服本能的恐惧——其他工业也可以作为现代艺术，有教育和启发意义——也可以现代与古典混合的艺术，但是要注意组件谱的重复，主旋律（架构）自下而上或自上而下区别不大，都有美感，还是要注意短谱的重复

a) 需要说明的是，我的组织和项目和原有组织和项目是一个融合的过程——系统工程发展了这么多年，也还不是太普及——现在刚开始招兵买马，原来的组织和项目可以提供人才和数据，这是一个长期的过程，我也还有很多架构、组件和要素要学习、发现和发明，还有很多文章要写

b) 我的价值坐标系与原有价值系统的交织，有助于我们高效的理解、执行、更新和创新原有价值系统，我的价值系统的更本质的维度是cost（out），income（in）和life（exist）

数量价值系统的18维度理论（无，性质不同，很少，少，平，多，很多，很上升，上升，静止，下降，很下降，很加速，加速，匀速，减速，很减速，必要（含禁止，太），可选）马洛斯的需求理论来源于此，但不完整，正确的需求理论应为（生理（安全）需求（不犯致命的错误，太少），发展需求（不犯很多错，很少），不被批评（不犯错，少）的需求，被表扬（正确，多）的需求，地位的需求（大量的正确，很多），自我实现（超预期的正确，太多），自由的需求（可选））
a) 空间、时间、复合（专业）维度价值系统理论大家自己整理，我懒得搞了——烦
这是心理学上的维度，具体的数量标定——精神层面与物质层面的量化转化是个基于本能的意识形成和运行的过程
a) 把这些搞完精神层面会很健康——有力促进物质层面的创造
b) 很是指压倒性、不可比
c) 太是很和必要（不必要）的合成，依这个逻辑可以在合成维度上造一些新字、词或短语，比如tooist——太分子
小火炸，大火爆炒——注意计时——和（隔）水的都不用看火候，计时即可
a) 油盐酱醋看得是数量级，不用太精细
b) 先加热肉、蘑菇和椒
c) 之后蔬菜，粉条，腐竹，葱（有些蔬菜要先焯水或煸水）
d) 最后木耳，蒜
e) ——什么也可以加水淀粉过个油
f) ——什么也可以裹蛋淀粉过个油
g) ——什么也可以蛋炒，或和蛋炒
h) ——蛋随时可以加，分老中嫩三味，口感，口味不同
i) ——肉可以切片、末、丁、块，口感不同，烹饪时长不同
j) ——包子饺子烧麦馒头等刀工费力，做法简单，就不叙述了
k) ——果汁、牛奶和奶酪调味很好，无论是主食还是炒菜
l) ——黄瓜微苦，茶叶也是，可做清油腻的一味
m) ——软体动物肽链长，比较耐炒
n) ——肉块和软体动物为了兼顾口感和入味还可以腌一下
o) ——爆炒的特点是外焦里嫩，口味重
p) ——还有一种加水比较多的是炖菜，比煮油大，口味也重一些
q) ——焗（酱焖）、焖、粉蒸、酱蒸、清蒸、清炖、汆（中炖）之类和水隔水的手法也别有一番风味，这些手法通常都是烩菜，可以最后加个黄瓜、胡萝卜、生菜、包菜和蒜蓉汁调味（黄瓜和胡萝卜也可以炖）
r) ——烹饪时长是个输出为口感的科学研究问题，我们通常看菜谱或类似的菜谱，也可以自己研究
s) ——营养不要烹饪过度就还好，也是个科学研究问题，我们通常看菜谱或类似的菜谱
t) ——葱爆，青椒和大辣椒与肉很合适
u) ——食材如果不是特别新鲜（比如有的鱼）用添油加醋的方法去腥味
v) ——还有些技巧我也不是专家，现眼了
w) 用这个组合公式可以做出无数道新菜

x) 外卖可以提供原材料与手法等选项进行灵活的炒菜菜单设计，学校应该教，食堂也是课堂，享受生活，提升情感

项目也是一个系统，项目管理与系统管理的方式是一致的，项目组件分6种状态，未完成，未完成有问题，未完成阻塞，阻塞，已完成，已完成有问题。对于有问题和阻塞的组件，要计算问题修复成本。项目按不同阶段的最小系统方法实施。研发项目管理应采用工作量管理模式（如软件项目管理，根据完成的代码要素量计工作量并奖励），而不是采用拍脑袋的方式猜工作计划，工作计划只能作为参考，必须做好延期或提前的准备，否则会带来成本上的损失，后续可引入机器辅助的工作计划预测，进一步降成本。项目管理就是因为有动态性，所以叫项目管理，参与各方必须要清楚，只要工作量不出问题，就不应当承担责任，增加额外的压力只会影响产品品质，增加故障率。同生产管理一样，要对意外的风险做好准备，控制工业品（特别是高科技工业品）的长期采购合同规模。如果有神魔战争，那么算是个赚钱的好机会。
要素关系图正确的画法应当是系统图（层次化模块化的时空等维度的关系图），而不是上述要素覆盖不全面的鱼骨图，思维导图等。系统图应当辅以多媒体的资料加以演示说明，同时提供互动式的培训和操作平台，制定科学的培训教程（理论、例题与习题集），以实现对自然系统的良好控制
From theorical to practical, there would be some gaps, not too big, but also not too small, spatially for the newbies, to scientifically estimate the gaps, we need experiment first, build the credit gradually. But the final result could be calculated with best elements and proper deduction, we could train skill workers and get the precious instruments gradually. Like 氢能或很多东西. Be conservative at the beginning, but change in time, and basically, god bless citizens, change shall be quick, otherwise, you may not lose lots of faces, but at least a huge amount of money—life experience, I mean.
Jack的故事告诉我们，如果跟错老大，及时更改也能获得永生，但因为水平不够，可能只能做老师带带小孩子了，如果说恶魔有什么东西还算值得称道的话，那就是勇敢和肉体。老jack技术一般，但生意做的很好
——新科幻——以新技术革命为主题
——新现实主义——以新技术社会革命为主题
a) 文章构造的自底向上方法与自顶向下方法——两组新维度：成就与地位，腐朽与毁灭
埋树和植树可以减碳
任何一段高频代码都可以被并行化（含流水线化）然后固化成硬件指令，这就是指令集的扩展过程——硬件描述的系统
关于智能楼宇遥控器省电的方法，每个房间设一个总开关和指令缓存转发器，启动设备时先发送指令至总开关遥控器，之后总开关遥控器打开被遥控设备电源，再发送指令至被遥控设备
可编辑键位的小键盘，用于游戏控制器等控制器，配合鼠标使用，还有陀螺仪空间鼠标或机器视觉鼠标，用于3D控制，建模等。带震动的鼠标和小键盘和操纵杆和操纵指环，操纵指环的好处是操纵空间是无限的，坏处是距离（角距离）精度不好控制，陀螺仪空间鼠标相反
音乐与游戏与运动结合起来，不仅仅是轻快的跳舞毯，其他运动也可以与游戏结合起来，健身器上加一些传感器，最省钱的方法是使用摄像头机器视觉，建立相关标准即可
几种常见的拟合曲线的探索算法：
贪婪算法
a) 多阶贪婪算法
b) 反向贪婪算法
c) 反向多阶贪婪算法
d) 平均抽样算法
e) 权平均抽样算法
f) 函数抽样算法
g) 动态函数抽样算法（强化学习中会用到）
h) 以上几种算法包含递归模式，可以级联，可以顺序或随机
概率统计和统计是两个学科，前者是从微观到宏观，后者是从宏观到宏观
也有统计概率，用于从宏观模型逆推微观概率模型
积分是统计与演绎，微分是分析与归纳，微分和积分的形式都是多样的，包含递归，四则运算的各种形式的级联等，人们一般是追求解析解，但是数值解也可以用，解析解也有不同的形式，算法的效率也不相同，最优的算法可能是因式分解+常数的形式，因式分解可能也没有捷径可走，只能遍历所有可能，所幸，由于系统的局部性原理，大部分多项式不大，也是分层分块的，但是也要注意非局部性的部分、放大器（高级进化机之类）构造出的大型多项式。白盒系统的多项式是分析出来的，是原生被因式分解的，黑盒系统的多项式是统计出来的，需要被因式分解
音乐量化分类软件，三个维度幸福快乐、悲伤痛苦以及叙事，还有其他维度（圆舞曲，进行曲等），根据音乐的曲调，节奏分类，这样方便做dj——助兴，还要加上音乐的淡入淡出效果
P2p金融是没希望的，但是网上典当行很有希望，后期还可以共享仓储
生物个体或群体的发展在不遭受过大的物理或心理伤害（因遗传、发育和运气而异）的情况下，可以认为是工作量守恒的，并且由于代偿作用和生存本能，受到伤害后工作量还可能会放大——东边不亮西边亮，愈挫愈勇
风险——遗忘，个体后天知识差异引起的探索到正确结果的时间差异，自然灾害，概率偏差（含老化）——压力大了或疲劳了遗忘率会上升，IT（含笔记本，助理之类古典IT）可以减小遗忘率
系统工程的元素与模式（一般力学，哲学、艺术等），以及带约束的系统工程元素与模式（专业力学，软件、机械、物理等）
在url上嵌入模糊访问功能，提供自动生成的类似网站地图（快照）的返回页面

a) 同步（实时）与异步混合的业务流程，并提供不同优先级的服务——在相应的web等框架中提供支持
b) 运行时解耦的关键是异步

危机式神经网络——很少空闲时段，很大部分空闲时段用于系统优化和拓展延伸（优化还是延伸（专业还是多样）可以使用各种策略），优点是功能强大，缺点是能耗高，老化快
矢量判断和位图判断分离，抽象和具体判断分离的算法架构，抽象效率高，精度低，适用于宏观、快速和简化判断，当然可以根据需要进行混合，类似于当前人脑和计算机的分工
使用高级进化机需要注意缺陷，缺陷的多发区——环境和自身的质变、很和太等数量质变区（数量质变区的边界也会发生变化，要注意重新估计和测量）——解决的办法是打自身和环境补丁（含杂交、本地化、环境改造等）
游戏脚本，背景：泛太阳系，银河系无人有人混合的资源网络，模拟经营或rpg，天体、深海、地心的虚构能量、物质、生命（神、精灵等）和文明，根据复杂度划分等级，建立政治经济系统，可以像大航海时代般探索并建立不同角色的传奇，引入发明和发现，可以描述像我一样的左翼文化（受压迫下，工作量守恒得到战神、冥神和大成果）成功故事，建立作品素材库，将各种各样的文章（文章片段）分类汇总起来，供创作参考，文学作品的专业化，奇幻与科幻混合
技能：依现有系统合成，引入天体、深海、地心的能量、物质、生命和文明，奇幻与科幻混合
a) 引擎：图像与物理任务操作系统
CaaS还有两个方向是多样化和标准化的UI，共享Content
Caas另外五个方向是综合内容获取，标准化内容获取，综合内容定制广播、标准化内容定制广播和内容自动化,还有一个方向的工作是原始内容UI，获取和发布
最优自然树——哈夫曼编码结构——一切索引和图皆可采用哈夫曼编码结构或类哈夫曼编码结构和关系型编码结构，甚至IP地址，电话号码，迷宫路径等
智能识别，分析，整理，组织的音频，视频本地与网络库，CaaS
带优先级的哈夫曼树，一份数据，多种数据结构（索引），适配不同的应用场景
自然数据系统是带优先级的，带优先级的各种数据结构，自然数据系统同时提供关系查找
自然数据系统的序（各个维度），关系指纹

a) 信息学的研究：自然系统的crud迭代方式，各种条件下的最优迭代方式，内生智能，新要素提取，新系统分析，新系统和要素设计

可以开发网络和单机混合的游戏，除了dlc之外，提供联机的功能和对联机操作可以提供一些不影响剧情的额外奖励
游戏还是要有自动作战和脚本编辑功能，可以基于C、Python语言等出一类游戏脚本编辑语言，提供不同游戏不同的库，要有游戏脚本的著作权系统，鼓励写作，官方也可发布一些收费的脚本，当然——这么小规模的代码，通常很便宜，像一首诗一样，也有贵的——地主减租减息，农民交租交息
防作弊很简单，提供加密的游戏日志即可，现在电脑的性能这么好，提供一份详细的日志非常简单，如果游戏时间非常长，日志可以分级，对于久远的数据可以只抽样和重点保存全部数据和保存全部关键数据，以节省存储空间（这一招对任何软件都是适用的，比如保存故障时间段附近的全部数据，关键事件点时间段附近的全部数据，抽样数据主要用于防伪和数据分析，详细的日志还可以用于数据恢复）
设计：
a) 系统（子系统，组件，元素），环境（含用户）
b) 实现以上两者在时空等维度上上运行的符合预期，最优化和自动化
c) 系统的最优化含有许多有趣要素，比如斜面可以影响多个维度，变换方向等，设计时要综合考虑
高级进化机的中间处理步骤除去做通用和本地适配的加减法之外包括分析、抽象和要素组件演绎和子系统系统演绎，也可跳过中间处理步骤，那就是遗传算法，总体进化强度低，安全性差，但成本低
Windows程序模板，MVC+MADO，保留定制选项，View和Controller的布局可以有多种形式，提供一些常用的模板，总结相关的设计和应用理论（分析现有软件实践）
语言原生支持XML和json
闫啸机操作系统，遗忘时间可调，系统组合算法贪婪，多阶贪婪，反向贪婪，反向多阶贪婪，按权轮询等可调，目标是对重大元素和系统分析设计实现全遍历，同时平时保证反应速度,事件触发遗忘的闫啸机，可以获得很高的智能，但功耗较高
音乐前半段理性，后半段感性，理性元素，节奏，大小，感性的元素，节奏，大小自己把握，音乐是一段生活的目录
数据流水线，DA是闫啸机，CAD是不同语言的翻译，注意人工闫啸机，bss，oss架构参考电信
微游戏engine技术，特别适用于人工智能
多样化的AI（有别于专业化），软件定义信息系统等
自然信息处理要注意信息集以外的背景信息（上下文，题目，信息源等）
序数词和连词提供了快速分析的方法，但不保证对，还有段落，标点等分隔符，对付岐义的方法是都算一遍，选概率最高或option，可以生成段落或句子的摘要，进行快速分析，包含可变摘要生成技术和联想
摘要和联想技术是元宇宙相对游戏引擎另一个主要进步
所谓思考就是摘要和联想的过程，分左右
闫啸机的核心的硬件算力是动态的，快速识别时要求的算力较小，使用小核心，精细识别时使用大核心
可信的信息，防御：隔绝不可信的信息，攻击：投送不可信的信息
攻击：破坏通信基础设施，含拒绝服务，垃圾信息等，防御：强化通信基础设施，智能信息源识别，智能物理端口隔离
防御可以使用智能伪装，诱饵等，攻击就反智能伪装，诱饵
背景信息可以加速AD的过程
分析分三级
a) 带背景信息的快速分析
b) 快速分析
c) 带背景信息的精细分析
场子与空间划分也许是元宇宙的基本描述方法——可并行，有少量开销
a) 时间一致性
动态精度元宇宙
以空间为中心的游戏引擎，元宇宙，动态空间，以空间为中心还可以压缩逻辑场子数量，亦可以进行一些一致的计算，之后广播给空间内的物体
融合窗口与浏览器，自动识别http，ftp协议，网络文件系统，ftp加个图标（configurable），断点续传，web订阅，推送，与邮件，短信等集成起来，允许开机自启动，pc提供手机服务
室内GPS（高精度），gps有别于无线通信，带宽低
嵌入式管理的流管理参考通信，自动给排水系统可以参考通信协议做，智能电网也可以，智慧城市的流都可以
嵌入式联网后可以云化，使用集中式计算，共享算力
嵌入式集群（性价比最高的处理器集群）做并行计算
生产物流流量匹配（嵌入式），物理程序（传感器，放大器，电机等）——物理需求分析（物理状态机）
CAD陈列可配置的元素，组件，子系统，人工半自动化集成
DA根据要求自动排列和组合（配置）要素，组件，子系统，实现自动化集成——注意约束，结果有时也不唯一（option）
机器分析与推理，尝试突破约束与常识（通过使用各种算法），进行创新
a) CAM和CAD差不多，人工参与控制的半自动化制造
b) MA和DA差不多，全自动化
c) 以上系统不同行业可以共享一些库、引擎、平台
系统的元素、组件、子系统包含过程
对于机器学习及推理，安全策略是隔离环境+隔绝教育+限制思想（语言+图像）+创新监督+正向激励（司法）
关系命名技术
分析问题时可以采用联想式搜索
分析问题可采用联想式和高精度两种模式，酌情使用
可变元神经网络（字符串元，图元，过程元等信息元），可大幅减小神经网络复杂度
软件力学还可用于自动函数分解，聚合
点云处理：
a) 腐蚀，膨胀
b) 带权的腐蚀，膨胀
c) 识别后的逆向修复技术
并行dijkastra算法（取最小值过程），层次化的dijkastra算法
异步OSPF，告警，事件触发路由刷新，路由端口异常或部分事件上报应用层技术（物联网有用——诊断）——底层异常和部分事件上报高层技术——用于诊断——因为底层异常或部分事件一定会触发高层异常——可由网管进行互联互通——减小底层协议开销
AI在客服等高噪声场景，要通过多次提问和背景信息提高问题识别精度，还需要注意语气，因为客户通常比较急
操作系统可加入习惯分析，自动更新设置和生成一些脚本等作为选项
物联网可以使用变长地址降功耗
机械臂的运动可以用闭环控制生成运动轨迹集，之后使用正确的运动轨迹集进行操作以节能并提高反应速度，这也是学习，并可以进行一定的推理，闭环控制的部分可以减小，DA中模板方法也类似
流水线上的熟练人力资本要掌握横向和纵向试验（增加、减少、改变）、时空交叉、集成与自动化、抽象、可配置（通用）思考方法，横向和纵向试验、时空交叉、集成、抽象、可配置，工作不宜搞得太复杂，要预留思考的时间，试验是创新的基础，时空交叉可以加速创新，集成与自动化、抽象、可配置可以降低复杂度
有生命力的系统，往往是循环的，因为成本低，循环一旦放大系数大于1，就可以依赖有限成本或0成本形成无限繁荣——来而不往非礼也，吾日三省吾身
强化学习分左中右三种算法，先从印象深刻（权重较高）的节点调整，或平均或反之，算法越左，越敏感（结果越多元）
机器推理也分左中右三种算法
人类很少遗忘印象深刻抽象数据，即使是左的算法，对印象深刻的数据也应当予以保护，抽象数据并不占很多存储，虽说理解（深刻记忆）数据比较费算力（这也是制约人类智力水平的一个因素），当然，遗忘是允许的，会有一定的损失，遗忘算法也分左中右
强化学习可以不用求导的方法而用平均或反向求导的方法调整，训练数据越有序，越应当使用求导的方法，效率高，反之则应用平均或反向求导的方法调整，精度高
计算机辅助表达->机器表达，机器通过模板、智能、日志、fis、PRP等方式辅助或自动收集信息并发送给对端，保证交流信息的完整性
无人车倒转驾驶和副驾座位，前排和后排座位中间放可收放的显示器
经济产出的核心变量是人力资本和自动化，针对算力的统计模型（人种）和经常的算法改变（科技进步）和偶发的算法大改变（科技革命）——物质逻辑与物质计算机
电子政务（税收，社保）与电子支付系统集成
电子政务其实也有CAD,DA，机器学习和机器推理的演进步骤
网银，电子支付系统的CAAS
工业，服务业和信息业等行业模型，模式的相互借鉴，统一描述，集成，因为逻辑空间和物理空间是类似的，也是相互联系的，都是系统，从系统的角度统一与具体并存的描述，可以提高模型集的内聚性，简化模型，相互借鉴可以促进创新，集成是算法的改进
AI的输入数据压缩技术，识别时使用压缩后的数据识别（再认）——类似人的记忆过程——压缩使用分析（分析会建模和生成weight）后随机的位图、矢量（规律）和相关联合的数据抽取技术
分布式gis系统——p2p数据和计算
微交换，省线缆，邻居共享数据
大脑的左右半球也是一个闫啸机，抽象信息理解，推理较难，优势半球先推出来，就元化了，元化之后更具优势，但元化之后会忙于抽象思维，形象思维的工作就由弱势半球来进行了，长期积累就形成了分工，弱势半球也有元化，但是是一些和形象思维相关的简单的元（因为也没有压力去形成复杂的元），优势半球比较右，情感较低，弱势半球比较左，情感较高
自然信息处理实际是逻辑流流动的过程，含填充，找到最符合预期价值（多种维度）的流模型，输出时空上的流片段，输入为了收集信息（也是一些流片段），建立维护流，流可以不同精度，粒度，硬度，连续或非连续的流动
当然，所谓流也就是系统，流动就是运动（含广播，汇聚）
微观经济实际上是系统复杂性与认识成本的问题，最简单的方法是操作手册的文字量和图元量或详细设计的设计文档量，认识成本有专业iq与通用IQ，相对IQ与绝对IQ之分
宏观经济相当于流体力学并且还有仙人，较难拿出精确的演绎模型，但可以拿出一些较粗糙的演绎模型和概率模型，精确一点的计算模型，还是一定程度反馈控制吧
变形船
闫啸机可以认为是并行算法机二——有架构（维度局部性）模型，当然，架构本身也是局部的，需要计算的
元宇宙可以引入空间架构，与摘要，联想基本同义
a) 并行算法模型可以用于物质世界
世界是由物质（事件）（时子（或时流），基本粒子（场源）和场子（或场流））构成的，时子（或时流）驱动基本粒子和场子（或场流）运动，空间也是一种物质
并行计算需要进行时间硬同步或软同步，可以维持多层次的时子流，时子，场子，数据和指令都是物质（事件）
时间也是一种物质，时子也是一种场子，时流也是一种场流
自动调节高度，可以变形成小桌子和柜子并组合成大桌子的椅子
变形小柜子——电视柜
软床柜，可向上收缩的床
变形厨房——机器人用
大浴室柜，大厨房柜——万向轮，浴室厨房兼仓库
分体式冰箱
玻璃大阳台（下边毛玻璃）

a) 柔性生产线就是可配置生产线，加工中心就是可配置机床，可以半自动可配置，由机器人操作
b) 并行生产线，并行集成

变形车——省停车位
独轮或摩托无人拖车，卡车

a) 钢木混合结构家具
436. 机械腰（多子械臂的母臂）

机器视觉——纹理——纹理边缘提取之后做自相关运算，之后矢量化，人脑记忆的实际上是半矢量图

a) 二阶反向贪婪算法，平时反向贪婪，if extra big， then 有限次（时间）转贪婪
b) 人类学习就是学习词语，句子，图元，过程元等的相关性，建立通过自然语言，图元和过程元互联的系统，以期控制生活系统
438. 变精度管理（工时等），异步管理（被管理者上报），初学者不太明白系统，同步管理的比例大一些（培训）
439. 智能模板,自动化的模板

关系型编程语言
带联想和摘要功能的智能编程语言，提供可定制的联想，摘要算法

a) MADO用于机械系统
b) 对于有些元素较难发现的机械系统，可从模板，柔性，集成入手创新

将部分实时，对抗的游戏做成策略的，技能的或反之并提供两种模式或混合模式的选项，还有不同游戏类型的集成化
无人车和无人机械的轻量化设计

a) 机械滤波器，耦合阻力，重力阻力与滤波力

b) 分块训练再综合结果的机器学习和推理方法
444. 关系型，层次化，以介质为中心架构用于enterprise ai等各种ai

串并行tsp（travelling salesman problem）,层次化，预指定出入口
艺术的逻辑性与教育意义与启发性
摘要的算法，权重为主干+概括（总体系统识别，同一个系统可以从不同维度概括，并发呈现）+高低成分频（特征，算法分左右，高低频其中之一一边倒则右，高低频均衡则左）
世界上有很多信息（源），不同的信息（源）有不同的特性（自身和通信），创造新的信息，协调这些信息是当下IT要做的工作——需要内容和精细化、智能化（自动，可变）的采集、管理，输出——关于内容，除了传统的内容源外，需要注意任何一种创新都伴随着信息的创新
软件工程的问题实际是个微观经济学问题，需要建立相关的模型，同时把设计文档也纳入质量管理体系中去
图像分割先用较细的网格分割图像，之后进行边缘提取（并发，着色和染色，合并耦合的子线段），之后用染色之后的边缘数据结构生成分割的图像（相交的边缘可被染成与邻接边缘相同的两种颜色，）
边缘提取有多种算法，实际中几种算法是或的关系
元神经网络运行时，由一个元神经元连接至其他元神经元组（微引擎），可以是深度网络，最后返回最有价值的运行结果（元神经元组，可以为空（没有有价值的结果））

a) 关于创业：3人左右的团队，6个月左右开发一个原型（试验性内核，基于一个主流平台组合，提供一个接口，完成性能功能测试，提供报告）——考虑进一步融资——接下来的六个月里完成大规模应用内核，UI，多平台，多接口开发

对于较为复杂的系统，综合使用KPI方法和系统的局部性原理，从简易系统开始迭代开发形成复杂系统——简易智能阶段可用于辅助决策，逐步升级到自动决策——把决策的接口和推理过程泛化，即可用于支持创新（算力要求较高而已，泛化设计也是一个专门的学科）
概要设计对系统行为和结构的描述要具体到模块
位移可以被看做是空间资源管理，变化可以被看做维度上的位移，所以一切问题都是资源管理问题，都差球不多。除了还有个集成和拆分问题，状态机就是个状态图（复杂度和资源树、位移等差不多，偶尔有大型状态机（不太遵守局部性原理，特殊问题特殊处理）），状态机可以是层次化的，模块状态机是比较小的（当然，前提是符合局部性原理）
a) 单特性（无资源管理系统）一人月一个
b) 小状态机还是要调研一下，介于单特性和一般状态机之间
投资决策支持系统（微观经济学方法）
人力资本决策支持系统（微观经济学方法）
法务决策支持系统（微观经济学方法）
元宇宙的框架（元神经网络（含时钟））+专业的库（各种专业微引擎（含泛化））
微引擎可以生成和更改——用微引擎的元素编辑微引擎（将微引擎描述为一组简单的句子，定义一种微引擎描述语言（计算机语言基本就能用）），微引擎的描述可以是粗糙的
元神经网络的元的输出可以是一个微引擎或微引擎的一部分
微引擎可以是抽象的（语言的或几何的），抽象引擎的价值由其简单性（引擎本身的价值）和代表具体引擎的数量和价值（联想价值）决定
微引擎还有时域模型，比如并发，也有其他维度的模型，只要能想得出来就有，最终意义要综合价值观（常用微引擎+全体微引擎）去判断
微引擎可以通过神经网络训练和推理得到（类似于DA的过程，相当于录入系统元，元素元也可以用神经网络训练和推理得到），当然，微引擎也可以人去编写
微引擎可以联合起来模拟大型引擎（只需要进行同步，当然，单节点算力会是瓶颈，但对计算机还好）
输入元神经网络——通过联想生成若干元神经子网——输出元神经子网的最强结果——反馈——通过联想生成元神经子网强化学习
微引擎需要支持泛化输入，比较相关的输入都应该能触发计算
视觉的3D表面技术作为视觉的快速查询技术（可以少用点表面近似），空间相关算力消耗有点高
透视后的斜面也被人类记住了，当然通常是再认（高度压缩），再认后可逆向修复3d（把平面图投影到3d模型上（3D表面的多边形有时挺多，精度看人的注意力），可以类比修复），之后再采样，得到其他角度，类比的相对比较远时就不太准（没类比的就是个平面图了）

a) 实际的视觉大致是这样：
i. 透视后的斜面->3D表面->3D空间
ii. 这是为什么小孩子睡眠多——3D表面依赖比较大——小孩子的生活压力并不大，但是视觉的压力很大——这是一个原因，另一个原因是陌生的环境需要理解
iii. 由3D表面自动取样透视后的斜面的技术与直接取样相互配合
iv. 旋转是识别不出来后专门的处理，当然，旋转后的图像也可以被再认，旋转类似于3D表面，微小角度倾斜不影响识别

嵌入式实时linux，也做实时linux的国产替代，实时windows，实时鸿蒙
内容编址和寻址技术——多媒体内容多重分类、关系化和深度搜索引擎（半自动和全自动和手动，诚信体系）——相关技术可以云化（含分布式云化），因为特征库比较大，个人存不划算，分割和特征提取可以是本地的，匹配云化，内容日志（获取时的背景信息，可以包含当时的view（自动或手动分级）），view和data分离，提供专门的永久存储服务（云化的，负载自动或手动均衡，自动或手动冗余）
概率只对未发生的事情有效，对于已发生的事情无效，有传递性但是没有记忆性
系统发展的一般规律（开头小难，中间不难，小创新大难，大创新太难），这就是为什么多维度发展要赚一点，当然，经济上会对相应的工作进行补偿，人人平等的基础上，创新优先，领导和知识分子就是竞争上岗，工资高一些，知识分子只要能拿出足够成果，每天放松都行
图形化的数据转换工具，其他结构化的数据也可以加进来，可以半自动，全自动要分析背景信息，等自然信息吧
行政管理系统（自动化）
IT架构CAD,DA,机器分析推理

a) 管理——库存，质量，风险（资源缺乏导致中断），规划，设计
b) 管理的对象——资源、事件

项目管理——多任务+集中资源压缩阻塞项（短板、瓶颈）
Word模板，标题自动编号+只调整编号的段的格式——文档筛选调整格式，编辑等
CAD中的筛选（批处理，关键字（含同义词），关系型等）+模板+深度搜索方法——编程语言适用
筛选器和模板是两个常规的创新方向，还有一个是理解器（匹配旧模板或建立新模板（模板可以是子系统或组件级的）），模板可以是动态的（维度上演绎的）

a) Review模板与样例

邻接项目提供一致，贪婪，多样三种默认模板选项
资源分配预测算法提供一致，贪婪，多样三种选项
人力资源的情况是这样的：
a) 有天才，没有白痴——所以初级员工的问题不会特别多
b) 所以初级员工实际上是供不应求
c) 高级员工要回答初级员工的问题，对于问题的数量和折算的工作量，使用统计的方法解决
d) 对于高端人才，采用工作量+事件（创新）的方式评价（生育上工作量是广度，事件上是长度，待遇上向事件倾斜（按劳分配，年轻人上高级岗位忙不过来可以配个老年的常务副职））
e) 仙人是个贝叶斯+马尔科夫过程，大尺度的成长是贝叶斯过程，小尺度的成长是马尔科夫过程，但是大仙是有的
动态微服务，动态服务，自治服务

a) 非功能特性：

安全性
i. 数据备份：系统应允许数据的备份和恢复，保证数据库的安全；
ii. 权限控制：严格控制系统权限访问，用户在身份认证后，只能访问其权限范围内的数据，只能进行其权限范围内的操作；
iii. 日志记录：可以记录用户的操作，确保历史信息的追踪情况，便于从用户关键性操作中查找出系统运行时发生错误的原因。
可靠性
iv. 系统保证具有较高的稳定性，对输入有提示，对数据有检查，防止数据异常。因系统的失效而造成不能完成业务的概率要小于5%。支持多并行操作的用户同时操作。在故障发生时系统能够提供有效的解决方案快速恢复运行状态，且不影响业务数据。
可维护性
v. 模块配置写入配置文件，统一维护
可交付性
vi. 软件应支持在线升级，版本间数据平滑迁移，自动（一键）升级，终端软件提供批量升级功能（可以是p2p的）
测试用例控件，模板
深度搜索，对点击开的搜索结果进行深度搜索，输入可以使用2d、3d图像，先经过一个同义词（图）生成器，并在后端新增连接泛化输入的app，深度搜索可以使用左中右三种策略，一项技术是关键词映射到关键词和句子
区块链——p2p数据库——数据库分割

a) P2P云——服务分割

元宇宙模拟——管理元宇宙
人工智能模拟——人工智能心理学

a) 环境监测自动化设备

b) 可信计算，使用专门的认证模块，认证系统各软硬件模块后再启动

c) 黑和空是两种灰度

计算机视觉的矢量识别技术——空间2D图形和3D图形自动采样2D图形，角度无关识别，矢量的参数在识别完矢量之后，依模型单独识别
一种仿生，可以节能并延长使用寿命：对待识别物体先进行低精度初步识别，需要高精度识别才进行高精度识别
OA等实时性要求不高的软件使用分布式区块链
自治大数据平台
软件自治与可视化（包括日志的可视化，后端系统和控件的可视化，代码（模块）的可视化（source insight做了函数，实际上嵌套的系统和消息没有做））

a) 财务就是算收支，财务的一个重要风险是技术进步带来的折旧，含人力资本折旧（但人力资本折旧相对要小一些，人的适应性要强一些），还有一个是收入折旧，这个按财务标准就可完成常用的决策支持，非标的部分逐步增加

设计模板开发分外观和内核两部分，内核的逻辑验证可以和外观平台结合起来（比如外观就用viso，内核自己做，驱动viso），我们也可以考虑维护一组低成本图像框架（老版本的viso）（就像小霸王做psp一样）
软件开发可以把旧版本的组件低价买来，集成系统高价卖（老代码往往维护的也好一些，各方面也比较成熟，开源的也可以考虑，但是比较老，不一定够用）

a) 架构多维系统，架构元素周期，用于架构设计和架构元素设计

基于共享内存等其他通信方式的跨平台通信框架，还有跨层通信框架，以及跨平台+跨层通信框架
高层协议只作为信令协议，传输层用其他协议（跨层）

a) 以通信为中心的计算机新增核心是高速广播、交换模块

转发模块可以分快慢表
比较时因将热值放在比较序列的前面（动态热值技术，异步后端流程统计刷热值）
跨层编址与收发技术
并行比较器——一次比较多个数或数组（字符串）
有人区也可搞太阳能，通过施肥和育种增加植物密度
大数据要建立数据标准，老数据要数据转换，数据是产品的一部分，符合标准才满足品质要求，才能协作
决策支持系统（人事、财务）先做标准的部分（中等难度，原型可以先做一个细分行业，更简单一些），可以节约大量决策者的时间，使其专注于高利润的非标部分，后续再逐渐增加非标的功能

a) 把linkin的老版本源码整合入项目管理系统即可

MES要集成水电等公用事业费用统计
算法技术矩阵也可以搞，收益高，算法是设计的一个元素，但是基本算法多少受限于自然，化合算法和算法应用空间太大
设计的几个元素集：
a) 算法——物理算法，逻辑算法
b) 接口
c) 外观
d) 架构
e) 通常被统称为模式（pattern），基本模式的周期性就不是很强了，原则上基本模式还是有一定的内部结构的，可以总结一下，但就像基本粒子的内部结构不是任意化合的一样，基本模式的内部结构也不是可以任意化合的
非高端行业才用居民楼（兼职家政），可以住改商（和远程办公结合）

a) 共享软件license，很荒唐，但是确实是按服务收费，是创新

架构设计除了绝对地址以外模块的全部配置都要有
摘要生成的概括——除了直接match以外，可以转换目标文本（模型）到标准化和抽象化后使用自然信息处理技术反向修复的中间语言文本（模型），然后用标准化的模型去识别，这样可以减少同义词的识别量（标准化），并能识别比喻（抽象化+反向修复），抽象化靠数据库和基于抽象模型数据库的闫啸机分析理解的部分，分析和理解的元素和系统都是抽象的结果，左中右三种方式生成中间语言文本（模型），并发处理，返回概括内容的时候可以搭配一个自适应的非标生成器，概括总是低精度的
抽象可以是一对多的，联想中相当一部分是以抽象作为媒介的
对句子的识别除了直接match之外，可以采用转化为标准化文本（模型）（去同义）+去比喻的方式识别，或用摘要识别，去同义分不同的精度级别，图像识别也一样，自然信息的理解也分不同的精度级别
搜索应当是分精度的

a) 长短期记忆神经网络

b) 符号学（发音）影响注意力，与决策的左中右

快速学习和推理技术，在学习和推理前先对训练数据进行相关运算（再认训练数据，需要动态维护（长短期记忆）一张训练数据与结果或带约束的微引擎的表），如果相同则直接得到结果或经带约束的微引擎得到结果，这项技术可以用于系统，也可单独用于子系统
长短期记忆也分快慢表
内存也应该分冷热卷
通过点击控制翻页的图像，可以增加首页，下一章，尾页，全部或章节或指定页数叠加显示，动画的按钮，用于显示时间序列图（特别是设计图）
法学决策支持系统
各种社会科学的决策支持系统，现在已经有管理系统和数据了
微分决策树，循环决策树，学习决策树，决策树框架
决策树神经网络，对带约束的神经网络，是有巨大优势的，但对对称的神经网络，时间复杂度是一样的，空间复杂度要差一些，但可以作为空间复杂度的上界
神经网络的神经元可以是一个函数、线程、进程
机器分析和推理的动态精度法
世界的常识是多和巧，而不是难，难的多为无理数，作为单独的数子或找个近似的数值解或大范围的表即可
再认——动态精度图像和低精度图像
重复的简单运算，用机器学习是不划算的，因为训练成本相较编程成本过高（如图像识别）
单个子模块也可并发，一个task处理一部分值域（联想），之后综合或选取结果，各维度值域（联想）也是一个系统，也有模板
软件开发api（指令）和模板即创新，建立行业源码，api（指令），模板库，加速创新
3d结构cad软件，以3D结构作为设计元素，之后自动生成平面设计图
操作系统移植工具和可移植性设计
应用移植工具
食品药品的保质期管理（查询，预警等）
家庭常用药电子药箱

a) complete combination design
535. 计算机辅助阅读，文章包含解释，评论等内容链接，弹幕，电商链接
536. 文档嵌入指令，交互式文档（电子杂志）

计算机辅助听音乐，看视频，同计算机辅助阅读，音乐视频有必要解释，解释可以被解释

a) 专业的知识除了专业本身，可用于专业信息化

中枢元神经网络分冷热温三条通信总线，可限制下单次想法的跳数
微engine也可以是元神经网络
元化包括一组神经元静态化或相对静态化
自治it系统（软硬件）不同it元（层，群）协商自治
电脑助手——自治管家
可信文档平台——转帐一样转文件，中心化的电子证明
投资决策的智商（成本模型）对跨专业，跨代，保守，要试验出来，再更新

a) 人力资本有三种模型领导（几级领导），专家（几级专家），苦行（几多知识和项目），知识和项目要匹配需求，一般员工看年限和技能即可
545. 人生设计与咨询服务人工+机器
a) 中长线量化投资软件人工+机器
b) 边缘云

计算中心算模板，训练神经网络，边缘用模板小改或强化学习或不学习
a) 公共化的企业管理服务，依托it系统的标准化流程，中小企业联盟
体识别与表面识别联合
a) 单目是投影识别
日志自动生成（接口，每隔一定代码量，循环，选择的变量）与手工混合，日志各种筛选的打开关闭，日志各种筛选支持分析
文档生成可以先从半自动入手，依据模型自动生成短句集，人工集成长句，替换同义词
idea包含若干子系统、架构和算法，建模即是与原系统的对接（接口对接（输出可以对接用户），可以手工对接），之后依options输出包需求（子系统运行全面描述）和架构（概要设计，模块运行全面描述），全面描述即分类的时空等各维度上的输入和输出，子系统封装的下一层便是模块，模块封装的下一层是子模块，依此类推，封装的依据是运算，选择，循环，函数与其调用函数的关系，独立进程，进程间通信被称之模块
动态灰度多值化（动态色觉，传感器或专门的指令或流处理器）
鸿蒙内核搭Linux桌面，低功耗
鸿蒙兼容windows 程序 x86鸿蒙可以兼容老版本windows 用集成虚机搞开始可以掍虚机和老版本windows卖
arm的x86虚机，可以挖彗层的人
全量学习的一种方法时压缩存储一些训练数据，学习时不学同样的训练数据，用决策树神经网络时只调整改变的向量的过滤器
单属性代码量（平均，最大，最小）决定了非决策树神经网络的局部性神经元的分支，圈复杂度（平均，最大，最小）决定了非决策神经网络射深度，局部变量数量决定了非决策神经网络的宽度
决策树神经网络是框架，内部包含决策树和非决策树神经网络
最优神经网络的设计=统计和设计的模板+实验调整
决策树神经网络的同一层和不同层和非决策树神经网络的不同层可以共享部分内核
合并循环
有限神经网络，从大的输入输出集合中排列组合选择一个小的输入输出集，经小的有限神经网络建立相关性，通常情况下自然界的放大率不会很高，选择相近数量级的变量即可，特殊类问题特殊处理，先试小网络（规模，增益），小网络不行再上大网络
视野，识别与储存分离
神经网络先用常用算子，再用非常用算子，常用和非常用算子也分专业，常用是个动态逐级过滤的系统，学习起来比较费劲，万事开头难，江山易改秉性难移，创新要放弃常用，很难，有限网络是越大越聪明，越小越快且节能，依实践处理吧
泛化的等级，——相关，联想相关的阈值系统，能产生一个不同的相关集，便是有意义的阈值系统，当然，有常用阈值系统

a) 既然世界是相当对称的，对存量知识的挖掘也能找到不少算法，以小见大

非算子神经网络几乎只适用于近似运算，但近似运算作为一种快速算法很常用
计划延迟和错误都分阻塞和非阻塞的，阻塞是扩散性的
云的招聘——求职算法，职交所，自动购物系统，自动求职系统，自动招聘系统，自动采购系统，自动销售系统，非标先单列
金融产品的自动化交易系统，标准化流程
重复出现的算子群，即是大算子，有可能乱序（交换律），要注意重用乱序的大算子
系统代数列向量演化算子方阵系统代数行向量=系统代数列向量（消0后）
元素可以是列向量，算子可产生和消灭列向量，空也可做元素

a) 高级程序员要关注数据结构和算法的选择
b) 高级架构师要关注非标技术
c) 高级分析师要注意算法和架构推广

轻模块，省内存
a) 状态机是一个真值表+一个方阵
小角度倾斜用拉伸，收缩+低精度相关的方式解决
基于it的异步课堂，自我学习管理，含心理教育

a) 利用，设计，优化

并行微程序神经网络
自动化开发也分idea，包需求，概要设计，详细设计四步，是层次化的微程序神经网络
低同步精度并行碰撞计算——位移有限时间宽容大质量差两体定理，常识engine，全局的低精度engine+局部的高精度engine——直觉系统
系统代数的元素可以是一个元素组
分布式网络安全，协作与分工的网络安全
文化解释——成语和典故的对照多语版
文件夹自动管理协议，文件名自动管理协议，文件路由表，内容路由，内容网络，远程文件操作
关系型路由，关系型操作，可用于分布式计算
模拟一切，实验，教育，游戏，第一人称格斗

采购主要关注非标的中小企业的创新价值（含成本创新）
销售主要关注自身非标特性针对不同用户群的估值（含成本创新）
采购与销售，价值系统，要素的价值曲线
采购和销售也含有少量社会责任的部分（慈善和尖端科技）
采购与销售也是产品设计的一部分——供应商的能力，客户的需要——技术领域最懂客户的是售后
经济追求的是进化与生态，数据帮助我们捕捉进化与生态，进化刚出现是小的，需要人工或人工智能分析，加速趋势
583. 图形化，自动化的网络配置与维护

it系统导出实物连接图，组装图

物质分逻辑属性和物理属性，逻辑属性都是等价的，物理属性不同，执行机构考虑物理属性（物理力学），逻辑机构考虑逻辑属性（逻辑力学），逻辑力学在神经网络，文化等很多地方很有用，特别是神经网络含有大量表式微程序或用表式微程序做近似计算的时候，学习和推理神经网络的时候，先用典型数据，争取表式验证

少连线，大缓存的ai芯片
需求都可以被转换为mado模型，因此代码量是可以估计出来的

a) 边缘分两种，黑边缘和普通边缘，黑边缘用于图像分割，普通过缘不一定用于图像分
b) 项目类似做题，所以结果是闫啸机曲线
587. 跨语言的引用关系，图形化的跳转关系，图形化的编程界面（这个有）

定期赎回功能
json, xml映射到方法的框架，脚本解释器框架
自动生成头文件
cs,bs转换，统一UI描述
床上躺椅
胸部平板支架（可调节）
递归神经网络，数组神经网络，数据结构与算法神经网络，神经网络就是探索性的并行指令与数据系统，所以神经网络的构造可以是非对称的，神经网络也有模板（之前提及的局部、常用（冷热表表），有限（冷热表），层次化、模块化、express、direct expose、leap、broadcast，convergence，cascade也算）
神经网络架构，文科数据结构与算法神经网络，神经网络训练要综合算法与教育学
系统基本设计模式：局部，常用（冷热表表），有限（冷热表），层次化、模块化、express、direct expose、leap、broadcast，convergence，cascade
信息（图像，字符串，数据，数学公式等）矢量化（识别）的四种方法——归纳法（常用数列、函数），分层归纳法（常用数列、函数分层），综合归纳法（常用数列、函数综合），随机归纳法（基于常用数列、函数的随机抽样匹配）——数列可以是有限数列——归纳的延伸性也是一个试探的变量（左中右）——还有归纳的各种统计（统计不只是求和）和抽样（抽样不只是加权）归纳法（也算分层啦）
电子家，花园，玩具，宠物，鱼缸，收藏
大幅加减速和路面不好的时候关掉车内显示器，保护视力
科学游戏，科学实验模拟器
多绕组电机+超导电机，电浆制动，动漫内饰，电动拖拉机，氢能卡车，充气帐篷（配个电动气泵）
隶书和颜体电子化，文本艺术字化，相关的模板，草书行书的电子化，国画DA，各种流派的DA
网页可以选择字体，一切皆可以选择字体
根据字的含义分字设计字体，英文根据词设计字体
长篇音乐和短篇音乐，自然音或合成音电子化，提供编曲的软件

永远在线，公共内容推送交互，自动反馈（做个app，多媒体内容）

室内无线激光通信
主被动光学雷达反隐形
隐身涂料的一个方向是减小光反射
游戏应当开发不同的玩儿法，对老玩儿家，要开放自动化和可编程接口，系统玩儿法
写个算法做画廊(墙体)装饰设计（海报的谱分析），电子的还有点刺眼，机器人安装物理的，低端用电子的，也可以研究研究不刺眼的电子的

房地产与社区管理，也是一个系统工程，需求采集，描述，设计，开发，运营，维护

图像识别量体裁衣，ai服装设计

混合引擎飞机

廉价的手机云
存储云的原型开发可以使用server san
远程家庭云，分布式云搞定的话，老本儿也能焕发新生，可以开发低端的操作系统
科学计算需要稍大缓存的多核计算设备，需要缓存之前若干次的状态，贝叶斯，马尔科夫，闫啸过程的缓存模型是不同的
云计算下一体机也还行，挺轻便的，显示器也挺大，但我是专业玩儿家，有移动需求，还是倾向大笔记本

串行有个好处是省电，流处理器是很有用的

AI的基于广播和多线程的硬指令和软指令（库）和集合是个颇有潜力的方向，可以在各个维度集上分元素，组件，子系统，系统研究
SSPF（some shortest path first），每次选择最短的几条路径生成路由表，可以大幅加速路由计算，对于均匀网络效果较好，每次选择的生成的路径也可以动态增加或减少
神经网络的训练要理论和数据相结合，新的理论是可以从数据中总结出来的，当然也可以理论推导，基层数据较强，实践出许多有趣的数据，所以要重视向基层学习数据，真相就在真实的数据中，理论未必完整
手写或机写程序（或称之为建模），再不断由机器或人修正，理论修正与数据修正并举
可以组数据理论混合的系统，是先数据后理论还是先理论后数据看需要，通常先数据的话中间数据的完整性要高一些，系统的修正与改善能力强一些，但是算力要求也高，也可以动态选择搭配模式，实现性能和能耗的平衡
通常是理论是压缩的数据
神经网络的理论型构筑过程，数据型构筑过程和混合型构筑过程，关键在于自然语言到神经网络结构的转化，需要识别是哪种类型
数（图）作为一种物质，有时空的概念，除了数（图）子论，还有时间，速度的概念，比如拓扑流形，极限论
即使是无穷，也是由数（图）子构成的，逻辑上也是可分的，可度量的（度量需要换维度，比如无穷+1，无穷*4，一个点）
实际中由于物理的约束（串行事件频率、光速等），无穷的概念是想象的，实际上是很明显有限的
存在（无限或有限），也分串并行，性质并不相同，有些时空的感觉

一个大维度可以由许多个小维度构成，维度可以是有限的，几个维度可以通过某种方式复合成一个维度

新闻事件的价值通常是通过包含的资源（人的生命）来衡量的，是个价值通告系统，有波动（同样的价值有不同的表达或相同的表达，产生的效果并不相同），社会心理学的范畴

生理寿命和心理寿命有一定的交易空间，但也有边界效应

手指手腕，脚腕，光影，镜像舞蹈——舞蹈翻译成音乐——光学特雷门琴

用陀螺的办法提高高精度机械的精度

Machine deducing includes factors of variable，and the constrains， Machine deducing factors are learned by machine learning or configured by human, the learning materials could be sorted.
Machine deducing could be layered and blocked just like machine learning
Geometry optics automation——coarse tuning loop(feedback and action with different step algorithm) and fine tuning loop——steps are different
AI group, like four sections team, one main for big innovation(steps are homogeneous, random or reverse greedy), one for execution and small innovation(steps are greedy or derived greedy), one for security (check system health, analyse and fix exceptions, import and export the topic)

Machine learning training material sorting--------by distance between cases, Training material sorting--------- by distance between cases, but once the AI of one domain is built, the other domain learning material distance could be more long, even random. But if the resource is limited or if we want to save some resource, we could build multi-domain AI with limited deducing function or single-domain AI with full deducing function, which are not extendable.

系统微观表现也包括时域表现——单次，反复，周期性，随机
For the management:
a) Production management (both result and process are fixed): scientific management, fixed system optimization (elements, components, subsystems, architecture of different levels)
b) Project management (the result is fixed, the process is dynamic): scientific management + dynamic system optimization
c) People management: for junior: encourage, for senior: require, for authority: show the phenomenon, from junior to authority (either system or component or element): right (learn one deeply) and left (learn multiple shallowly) to ultra-right ( deducing) and ultra-left (concluding)
Research and Development management (both the result and the process is not fixed): 4 team method
几何和拓扑之间有部分几何部分拓扑的几何拓扑，还有包含流，场等的物理几何拓扑
角拓扑

小姓，小公司，小党等的管理工作少，领导团队可以有更多的时间思考，比较右一点，心理年龄高，单产很高，大组织有些孩子的发明，也还可以，小组织危机意识强也是一个方面，当然，这个有点算仇恨的部分了，修大型工程的时候还是要人多，大小组织可以相互配合

中型组织和微型组织介于两者之间，中型组织专业分工一点，微型组织多能一点（同时危机一点）

中型组织最幸福（比如日本就比较长寿）

因为人需要培训，会遗忘，需要提醒，还会有社交的需求，所以从微型组织迁移到其他组织时需要注意加大这两方面的投入，当然，一切都可以自动化，鉴于人和人的作用是相互的，微型企业的个人能力强一些

降低微型项目的管理成本是一个课题，微型项目自理是一个办法，或者批量管理

项目（系统）分类分两个维度：
简单->复杂
微型->特大型

项目的管理成本含营销、服务（产品）投送、生产和研发，所以最终的业务形态（如外包或自理，专业分工，组织架构等）要实现社会系统成本的最优（这方面的优化也是一个智力工作的生意）

能力发展最终还是要朝向研究教育方向，日常的活动还是分工效率高，IT降低了管理成本，现在很多微型项目也可以分工了（比如外卖），服务业的标准化，品质提升还有很大空间，应当做到和货物贸易一样的水准（信息采集和报价可以用摄像头远程弄，还要保障售后等）
未来居民楼的物业可以搞得和写字楼一样real-time brand new，服务品质是可以配置的，在机器人成熟之前，可以先引入IT系统进行全流程的管理
Paas need an offline IDE in order to integrate the software to PaaS smoothly and solve the compatibility problem.

孩子意识的形成依序实施即可，一些重要的作品可以保留，也可以考虑现代化，情感的部分的培养也是重要的，意识的形成是直接或间接的基于本能的反馈过程

要从发现和发明两个方向入手，进行创新，发现比较接近归纳，发明比较接近演绎，发现是what+统计，发明是why not + （思维和物理）试验，最终找到价值，统计和试验的进行采用4team法

分析和推理的序对于周期性信号和变换性信号需要变换域，特殊信号需要特殊处理（小波）
路由器NMS的业务路径（diagnose will benefit from it）
网络业务描述语言，其所描述的网络可编译为设备网络
自然信息处理方法用于机器视觉（纹理+轮廓信息组），机器视觉处理之后的抽象信息还是要用自然语言处理引擎处理
自然信息处理方法只能部分应用于自然语言处理，因为自然语言是矢量图（变换域图，投影图）
查表式计算用于自然语言处理或其他用途的物理引擎
可变码流（注意力，习惯等）用于机器视觉
支持机器学习局部性的硬件的突触数量和计算效率的微笑曲线
由全局性的机器分析和推理结果集优化至局部性的机器分析和推理结果集（依赖常规的约束、试验、和cases的序），局部性的结果可用于执行和强化学习

AI层次化，模块化的结构，每一层，块内部有较强的局部性

系统（需求）描述语言->设计描述语言->工程描述语言
i. ->管理维护描述语言
上述过程是机器推理的过程，描述语言的生成和更新可用机器分析和推理来做或辅助，各级语言的编译过程规则可人工和机器分析和推理混合描述，描述语言要用自然语言处理系统处理
低精度数据AI（边缘计算）
传统存储阵列（云服务）下挂个分布式存储做高延迟海量数据存储
需要注意分布式云的延迟控制算法，类似路由算法
并行计算需要考虑通信开销（延迟和开销），解决的方法是使用异步方法减少通信数量和批处理
自然语言识别要注意环境识别（语言环境（包括手势，表情，动作等），自然环境），这些环境元素可能会成为语言成分
艺术的价值系统分析，架构和要素的价值分析（含拟真，反色等渲染手段的价值分析），价值分析的系统性（考虑时代，地域等）和子系统性（subage， subdomain），纯美和超现实主义也不错
社区知识的交易也很重要，有些企业内刊的文章水平很高，可以搞一些文摘,CaaS，新闻系统有现成的产品可以借鉴，论文系统管理也要向新闻系统学习
不同的行业生态会孕育出不同的进化优势（战略战术，不同要素组件架构），要集合各自的长处，构建奇美拉，比如我从传送网走到云计算，物理走到信息学和数学
物理应当向数学学指令，数学应当向物理学时空，并行
连锁快餐店和快餐店可以互相学习（购买服务），快餐店购买连锁店的店面管理，连锁店购买快餐店的菜色和采购，这样就可以规避高端餐厅的高总体投入，又可低成本的消费升级
建筑提供精装房和高端定制装修的折中选择，半定制高端装修，也可低成本的提高生活品质，特别是社区生活品质，现在通信，沟通成本很低，设计成本也下降了，而收入提升了
Ai在集群管理和分布式方面也要向其他IT部门学习

微型企业员工功能类似于没有团队支撑的高管或高级专家，因为从事了生产，所以还要兼工艺创新，也是成长的一环，当然大企业都可以集团化，分出许多中小微企业

语言的集成化过程不应当废弃原始特性，很多定制化的数据结构和算法要用到，要向下兼容，如果实在想加约束，可以通过一些编译选项加以控制

多编程语言掌握并不困难，多语言混合的开发流程和集成流程可以大幅提升工作效率和产品性能
高度自动化的开发流程可以大幅提升小微企业的开发效率和品质，小微企业可以牺牲一些开发流程本身的硬件需求，影响不大，也可以考虑服务外包（看需求标准化程度）
标准化是竞争性分工的基础，高级进化机可以加速系统进化
集成软件生产环境，软件生产全流程的集成和自动化（含嵌入式系统的虚拟机，物理机测试、工程和维护系统的验证）

数字社会的时代，软件爆炸，生产效率和品质提升很有必要

把AI按元素、组件和架构拆分并行开发验证演进（自演进，人工演进）之后集成起来成为一个超大型系统，采用这种方法就可控制AI开发的成本和风险——系统分层分块是普遍现象
AI的分层模型：
高级进化机——4team（Option）——闫啸机——云（Option，与计算机是半同构的，时延较大，使用异步和批处理优化，窗口还是会有一些开销）——以通信为中心的计算机

智能遥控，机器控制器平时工作在节能状态，通过在功能键加一个唤醒信号，使用时唤醒，机器自带自动休眠信号，节约控制电路能量

神经网络（异步，离散）与系统计算（同步，连续）的关系，类似于代数和几何，矩阵力学与波函数，两者结果是等价的，计算力最优的系统应当是两者混合的

通信网络原生的暂存服务，减少心跳信号，支持推送消息的拉取，提升消息及时性，同时支持批量数据缓存后批处理，消息收发管理与消息生产和消费分离，通信网络提供原生支持，节约较昂贵的计算节点算力，节约成本
AI可以进行主动思考，日程等等自发行为

实时生产调整

5g等提供的实际上是应用层硬件（或协处理器）通信管理功能，可以节省cpu算力，基站密集了，带宽大了可以搞分布式云

IoT可以设置局域网，对节点分组管理后接入物联网，降功耗，降信令

硬件加速的通信，计算，存储

（信息层面看计算）数据——互联网——云计算，这个是从底层的信息物质论穿透上来的（根据业务层面的信息运动率变化率分的层），分层分块这个概念还是挺重要的（各种特性维度上会有聚合性，聚合的块和层内外耦合度不同，分开易于管理，但有时也错峰杂交提高资源利用率，要综合评估成本
分析与推理方法——自顶向下方法与自底向上方法——先规划系统，后设计组件与先设计组件，后集成系统各有利弊——可以一定程度上混合
生成树协议等自上而下的协议入路由，OSPF等自下而上协议入交换，提升组网路由部分的灵活性（快速刷新路由表或一定程度上提升路由效率）
OSPF的自动划域，各种路由协议的自动配置，OSPF与生成树协议混合使用，边缘节点使用OSPF，中心区域节点使用生成树，现实中的网络树形网络和环形网络居多，这种情况下生成树协议是比较接近最优的

IT系统的自动组网，自动配置，自动业务发放能力，自动故障诊断

闫啸机分三类：
自上而下，先推架构，后推组件
自下而上，先推组件，后推架构
上下并行，边推组件，边推架构
闫啸机可以构建闫啸机集群，符合集群的特征
自然信息处理是表+自下而上的
闫啸机的分析过程，先自上而下（选项），后自下而上（选项）：
低精度表或低精度快慢表并行滤波——自然信息处理——并行分析模式优选（含探索模式）
高精度表或高精度快慢表并行滤波——自然信息处理——并行分析模式优选（含探索模式）
滤波常用的算法是差分相关（注意使用级联运算器加速），滤波前会有一个变换域和归一化的过程
推理结果和分析模式优选的评估系统是人工或机器分析和推理（总体系统反馈）的方法建立的

系统计算中的碰撞（影响）可用解析法和数值法两种方式计算，解析法是解静力学动力学方程，数值法是不同元素（组件、子系统）交换并可能临时或永久的存储信息（位置、物质量——直接读写内存或收发消息）并计算影响——可集中交换并计算（牺牲存储节约通信）——数值法和解析法都要用到grid化的空间，空间归属化的matter——可以使用预计算，计算结果，之后使用流或查表的方法演绎（流或查表可以是部分流或查表，部分实时渲染）——每一个或几个维度都可以构成一层子空间

如果引入场子的模型，就可以去掉介质模型，场实际是场子流
神经网络若干神经元合并成一个子系统，然后使用类似并行travelling salesman的算法，固定接口（数据，指令等）或动态接口（数据，指令等）的分块进行系统分析或推理，可以提升算法效率

艺术也是系统工程，提升信噪比（背景和主题），但是背景会影响人的基础情感，应当适配人的智力水平和社会大环境，背景又分大背景，小背景，小背景防止主题到背景过渡过于生硬，具体信号的设计可以根据历史周期放大，并根据时代背景变换（像我小时候没人管，家庭生活就类似城乡结合部，又因为智力高，所以城市垃圾遍地，艺术要反映这样的现实，比如富坚义博），还有一种艺术叫奇迹，另一种艺术叫恐怖

电视前（客厅、卧室床上）运动，仰卧起坐、哑铃、握力器、蹲起、沙袋日常和各种沙袋运动、俯卧撑、拳术
场就是力，场流（子）论，可以将一个场计算的多体问题转化为若干个2体（场流与空间）或3体问题（场流与两个相邻空间），并支持时域微观动态分析，物质论中认为物体也是一种场，所以也适用场流（子）论，对于连续问题的算法的进一步优化可以先演绎后归纳（作为无理数子，提供数值归纳也可）

a) 关于压缩算法：
i. 变换域（矢量化）
ii. 变精度
iii. 差分码
iv. 变长码

图的遍历可以遍历压缩图，位图和压缩图上的路径计算是两门相关的科学
关于相关运算，可以减，可以乘，可以混合减乘，也可以根据情况引入其他算子
在植物易于生长的地区，使用镂空+凹透镜的太阳能电池采集部分光能也挺好，基本不影响植物生长（植物和植物间遮挡很严重的，太阳光植物还反射了相当一部分，光热作用也是很大一部分，还要靠蒸腾作用降温，保护好品种，尽量找些光合作用强的植物即可，人类可以改造自然，像耕地一样，强光合作用是植物育种的一个重要方向）——仙人掌那层白色的膜主要就是为了反射，蒸腾作用不强就必须反光，否则会被烧死
故障预测：将高风险零件淘汰下来做冗余或备份系统，只有极高风险零件和故障零件才实际淘汰，淘汰的也可考虑翻新

安全和生命系统通常尽量选用高可靠性器件，故障率先拿动物或无人系统验证，成本控制要慎重，发生故障损失太大，赔偿太高了

冗余管理系统是安全系统，系统没有备份（存底）历史就倒退了，相当于人死了

反欺骗是第一重要的安全系统，防止自杀，通常自己人信用最高，防御等级最低，所以关键系统要强化安全成本，全面防御

小团队很好，但要有通信系统解决低频的同步或异步的整体协调问题
对自然规律的必然发现能力，是自然界组件和架构的复杂程度相对于人脑呈现出的微观有限性以及自然的对称性和思维方法（包括使用外部存储器，特别是电子外部存储器（对个体和群体都适用），所以合理构造，动态调整（含遗忘，永久记忆，深层记忆等）的存储结构真的很重要，还要能够主动探索、记录和更新有价值的存储节点，外部通讯和计算也是必须要利用的）所决定的，是天使与人区别
代码编写是个生产过程，科学计算工作量（宏观和微观架构和组件统计（数量与分类），合理性和创新性评估），组件问题（代码规范（安全，信息准确或科学超量，风格统一，易读，信息力学（合理使用函数和变量）））员工自审+领导或专员抽审+架构问题（功能（功能正确性），性能（组件与架构的信息力学统计与分析））员工领导两次评审（领导评审可以是横向纵向多次的，可以开个会或发起个异步讨论）——评审可以是增加删除修改
科学研究——模型的建立——统计模型（宏观和微观统计（数量与分类，理论研究也是思维统计的过程））+理论模型（描述维度和微积分方程（使用各种算子微积分））——人工智能的过程是从统计模型形成理论模型的过程（可以是数值理论模型（如古式神经网络））——这个过程是试验过程（一个排列组合问题，当然，结果分布很多时候是非均匀的，这里需要一些4team算法）

艺术的脚本信息量是根据人的日常生活的信息量来的，节拍也是根据生产生活的节拍来的

软件设计主要从功能（功能价值统计与分析（自动化、成本（制造，使用）和收益（物质、精神）））、性能（组件与架构的信息力学统计与分析）和范围三个维度设计
分析也是一种统计（可以是时域的，变换域的）
语言是一种程序，有声音，图像，用来描述自然，当然，是经过压缩的信息，特征不是非常全面，我们可以造语言，比较容易，不必过于追求完美，语言制造也是一个人工智能的问题，也是一个不断演进的过程，同理，我们可以制造超量语言，提供启发性
探索（慎重）——汇总（要及时，尽可能全面）——通用性优化设计（可选）——发布（要及时，可以是局部的（范围要慎重））——吸收（含定制化的优化设计（可选））——再探索（慎重）
汇总+通用性优化设计（可选）+发布=计划
这个也是类似闫啸机的过程，这个循环可以在任何子过程嵌套
我叫它高级进化机——人工智能集群
全程都需要注意安全，考虑资源消耗和产出，长期看有利润才进行生产，但小规模的研究活动可以比较自由，生产和研究的评价方式也不完全一样
通用性优化设计包含对探索出的系统或组件（要素、组件和子系统）的组件和架构各维度和变换维度的增加、删除和修改，也包含形成集群之后的各维度和变换维度的分布
定制化的优化设计（可选）是对发布的系统或组件的组件和架构各维度和变换维度的增加、删除和修改以适应具体环境，也包含形成集群之后的各维度和变换维度的分布

音乐就是诗，诗就是音乐，节奏是一样的，所以叫诗歌，艺术都一样，信息量=时*空，再用节奏控制一下，节奏也来源于生活，当然，超现实主义也有启发性，消除也是现实的一种（冥神，清洁工，消除恶或潜在的恶），具体的设计还要考虑时代、环境、受众等，是个科学的过程

预防工伤，除了机械化的设计外，还要强化心理干预，对于工伤必须严格界定责任（管理者动作执行（全力以赴的劳动保护和提醒）到位了就没刑事责任）并赔偿

数值型计算的修正问题，可以只提供中短期的预测，通过定期或定条件的重测量修正初始条件，进行再预测，但如果是过于迅速的随机过程，那就没办法了——湍流之类的问题都可以这样处理，处理过后可以建立相关的表以加速后续计算，当然，未来能发展出解析解更好——长期预测可以提供几种距离较远猜想（也不是瞎猜），之后再并行做中短期的预测并反馈调整，用这种办法找最优（选基础值和优化率最优的几个方案），剧变的高发地带是维度的边界和闫啸过程（注意识别就是了，特殊问题特殊处理，遇到这种情况需要高密度的试验，趋利避害）——当然，大圣算法还是有的，对这种非对称的情况就只能pray了
可以搞高速局域网云存储，重要的数据备份到局域网云（和买硬盘差不多），出于节能和延长硬盘寿命的考虑，可以推出节能云盘，平时保存一个索引，有使用是启动硬盘，之后保持一段时间，如果再有访问，刷新硬盘关闭定时器，直到一段时间无访问后关闭硬盘，为支持该功能常用和不常用的内容可以智能分开存储（两者存储器的读写速率也不同）
做硬盘冗余时可以使用硬件广播，也可以使用存储+非对称广播或广播协议和硬件提供广播服务，短视频特别适合做广播，像音乐，新闻一样。广播不用手动选择播放内容，同时数据库大，所以用户体验好，广播的多媒体还可以嵌入指令，提供交互（指令和多媒体信息可以缓存和保存，进一步提升用户体验），单播和广播上行管道可以对交互提供支持，实际的通信网络是单播广播混合的网络，具有交互式广播（硬件支持）功能，原则上说还可以有短游戏（big bang）
应该来说大事是主小宾大，小事是主大宾小，一般事物依自然关系排序——这是三阶贪婪算法，自然规律，也是为了平衡情绪，有利于深度思考
每一种媒体形式的短剧都可以用于广播，如桌面背景（图片、视频），短篇漫画（有声或bgm），短篇文章（有声或bgm） etc…
塑料等高污染产品需要征收环境税用于环境保护，分类回收的给予退税（当然，能用纸代替的用纸代替，现在也就是个权宜之计，冲刺一下发展，牺牲一部分环境，后续也可以修复，但要防止不可修复的破坏，另外自然是可能被改造的，但要注意可持续和安全）

产品原则上都可能是对环境的武器，在不能防御之前就不能批量制造

垃圾利用问题——除翻新以外和一般的资源利用一样，粉碎、拆解、高温分离，溶剂分离等——能源问题，碳排放问题，过程中产生的废物再循环利用即可
对于垃圾分类回收，环境保护问题，可以设立环境警察，环境权利，建立环境法人档案，对环境犯罪分子除了罚款，还要限制购买高污染产品，限制进入敏感环境区域

远程医疗和远程教育等远程服务可以节省交通时间和等待时间，提升业务效率

先开发垃圾（低品位矿藏），还是先开发高品位矿藏，决定了人类的经济增长率是先高后低，还是先低后高的问题，从数学上说，肯定是先高后低最终的总量比较大，当然，相关的工艺的在财政补贴下的研究和小批量生产是必要的，此外，垃圾矿藏的品位也不是太低（比如焚烧是比较简单的一段流程，还有一个成功的案例是美国的废钢回收），储存时要注意环境危害，等到人类起码都发展到中国这水平了，可以用补贴的方法加大垃圾矿的使用比例（Option），具体可以配额补贴
About sales:
a) Best user (systematic knowledge + KPI) + customized user experience + cost (time and money) and income (including customer relationship) + AI
There is some space for negotiation since people’s feeling (value) are different and the society is exploring, so do what you believe and prove it.

艺术创作实际上就是编程，把自然信息或人的语言翻译成艺术语言即可，当然，艺术可以比喻

Qq的图片+文字，作为多媒体时代的一种语言表达方式，也颇为有用，其实后续也可以根据语境自动或人工加音效，或绑定在配图上，像talk show那样，手机的消息提示音也应该可以编辑或自动匹配
智能协商带宽的电路交换网络，作为ASON的一部分
智能变更（个体、集群）的IT系统，安全合理设置变更触发条件
智能变更（个体、集群）的社会（政法经科教文卫）系统，安全合理设置变更触发条件
智能社会的主要特点是在IT系统支持下的物质和精神的安全的优良的普遍的变更（调节变化进化）
购物的信息活动分两块，广告和搜索，实体店，移动零售和客户都可以提供基于基站（基站组）和gis的相关功能——区域电子商务（远程逛商店和地摊）——广播和定制化推送——还可以和社交网络耦合，物流可以自取或外卖，其他就和一般零售没区别了
营销可以使用主题推送，一次推送一个系统的商品（商品选项）
手机，平板电脑可以当琴用，有模拟化的多维输入，还可以配个电子口哨，做管乐
生产和项目管理的过程都包含随机过程（正态、贝叶斯、马尔科夫、闫啸等），相关过程，固定过程，只是生产管理的固定过程相对多一点，随机过程和相关过程涉及到动态管理
生产和项目执行都可以是并发的
平时2D，条件3D图像采集和识别，识别先2D后3D
长期记忆的触发条件（权重峰值，出现频率，使用率等）
扩张性神经网络（随记忆扩张）
神经网络可以根据节点和连接的值域拆分成多张神经网络并行计算，局部化的神经网络可以拆分成多个子神经网络并行计算
修理、组装和改装为主要工作的应用工程师的职业和主题的游戏
部分随机生成配方的调和游戏（通常粒度不要太细，实验次数不要太多）
可以自我编辑和设计的游戏装备，模型，主题等
音乐和赛车，战斗混合起来的游戏，舞蹈、音乐和rpg混合起来的游戏
销售的决策支持系统，对不同标准化用户群使用不同的销售方案，对非标用户（如大客户，专业用户等）提供折扣（折扣计算机辅助制定）
采购的决策支持系统，对不同标准化供应商使用不同的采购要求，对非标供应商（中小企业（高端或折扣产品））单独处理（实用性及性价比分析）
行政主要是日常的自动化，非标主要是办公室安排(计算机辅助处理)
法务决策支持系统挂钩人事，财务，重大主题（先天，后天）非标处理
财务决策支持系统主要是会计自动化，重大主题（人，生产资料）非标处理

个人和家庭的决策支持系统要素和企业差不多（家庭企业），可对接

龙芯指令集小，功耗低，就是有点慢，以后有大用

经济学家=会计*生活家

相关应该归1化之后用差而不是用乘，归1化的系数单独识别
以某一科动物或动物系统和人为主题奇幻或科幻的游戏，动画，小说
思（演绎）辨（归纳），辨（归纳）证（演绎），还有联想和概括，对比和组合

世间无外乎分，合，变，映，对比，组合
归纳——分变映
演绎——合变映
联想和概括——变映

发现是归纳，发明是演绎，发现可以很简单，发明可以很复杂，没有捷径，但有经验（多维度模板（仿生也是模板））和运气，也有天赋（通用和专用的智力），且不能被经验束缚（虽说自由思考很花时间，但还是要留一定比例时间自由思考，大奖是有的）

操菌师，细菌王国
鱼王国
激光器cad软件，轮胎cad软件，一切模型已知的设计皆可cad.da，模型未知的可cae.ea（experiment）
手机或pc诊断pc服务器，售后元宇宙，人类活动会逐步与元宇宙协作
唯物的观点在联想，概括，自由映射，对比（多义和相对性）和组合（等价性）上会遇到困难，所以不能只唯物，物质可以被看作是自然的意识，意识不是无规律的，意识和物质都是系统
唯物强调是非，限制和规律，但这三者具有相对，多义和等价性，这是唯心的特点，却也是规律的一部分
物质分实物质和虚物质，实物质是由虚物质构成的，虚物质在分解（解耦）前无法单独存在，分解需要一定的条件和规律，有些情况无法分解
虚物质——想像的机会，现实的约束
长与短：千里之堤，溃于蚁穴；木桶原理；kpi方法；一招鲜，吃遍天；杞人忧天；动态原理
死与活：固定或随机相关；非核心要素适应、舍弃和逃避，核心要素保护，侵略和对抗；正反馈
系统与系统：害（于己负反馈），益（于己正反馈），矿物，生物（活），人（强活），王（先天强人），仙（后天强人），菩萨（先天超人）
舍弃，逃避，保护，侵略神经网络
可以用设计原理设计虚物质
很多规律不是放之四海皆准的，系统，环境的组成和状态的变化都可能引起规律的变化，这也可以做为智能系统的设计原则，与长与短，死与活，系统与系统一起。做人就是设计智能系统

管理实际上也是系统科学与工程

聚焦核心能力建设：
a) 系统科学与工程，IT，脑体自动化纵向能力（专业化，上下游单独或联合的功能（新功能（设计学）和自动化）性能（指令、数据和模块系统优化和系统模型的跨学科采集））建设
b) 系统科学与工程，IT，脑体自动化横向能力（多样化，交叉学科）建设
汇编、高级语言、模型语言、脚本语言的混合编程
同类技术（api，库，平台）的融合编程
实时代码语法错误检查，每写若干行代码之后自动后台启动编译链接查错（增量编译链接），调试时自动全量参数、调用栈显示，多线程程序提供多线程同时单步调试的功能。
内存缓存日志，单独线程写文件，智能日志，根据运行状态和运行结果决定是否永久储存日志，这一点对AI也适用
AI也有无用之用，哀兵必胜，乐而不长爆，哀而不伤的算法
元宇宙也有无用之用，哀兵必胜，乐而不淫，哀而不伤的服务
哲学，社会科学与工程学，自然科学与工程学的算法对AI和管理AI都是适用的
元宇宙应当提供哲学，社会科学与工程学，自然科学与工程学的服务，指导人类活动
为文件、内容提供IP地址，统一通信和管理，消除多余的层操作开销，动态路由表，快慢路由表，加速寻址
多维度（时空等）局部图像（信息）追踪采集与存储技术（自动，半自动，手动）
半导体制造元宇宙，工艺研发cae，ea
文科就是系统科学与工程，可定性定量研究和应用
房地产、中介和装修的元宇宙，AI
饮食，聚餐，聚会，婚礼，庆典元宇宙，AI
行政等企业和个人部门元宇宙（执行和决策支持系统，执行和决策系统），AI（研究（设计和试验）支持系统，研究（设计和试验）系统）
企业和个人风险识别与规避系统，机遇寻找与捕获（培训，交易）系统
企业和个人能力设计系统（多样、专业、核心（机遇）、基线（风险））
企业和个人事件管理系统（计算机辅助或自动化事件录入（一组多分支的向导界面或自然语言处理），执行和研究）
事件就是物质，也是一个系统，也就是系统的组成和输入输出
使用地热能的海底城市，地下城市
太空殖民地也就一桶状的ferrywheel吧，星球上的就是锯齿形的桶状ferrywheel，无重力环境的太空清洁可以使用抽风机，太空工厂有些无需重力，太空农业可能需要重力，但可以逐步育种无重力农业，空间站应该就是研究太空工业和农业，以及一些无重力环境下的试验

也可以配备一些低端的液体火箭发射的导弹，用于第一波进攻，放置在发射井（塔）里

机器人运动——模板+插值，模板+反馈——系统方程快速求解都可以采用此方式，模板用超算或者试验得出
网页页面UI的用户可编辑性，定制网页内容显示，内容系统也可以用
The communication system between view and view(on the clientside)
Inner webpage parallel
Communication parallel
Hash routing. Auto address
Uefi. os configuration template. Recommendations. Automation
Theme auto switch.
移动零售元宇宙，ai
应用知识就是理论知识的模板，缺乏应用知识速度慢，缺乏理论知识很难正确创建和修改模板，不同理论和应用有互相借鉴的机会，这是系统科学与工程方法，物质规律矩阵（系统同构、同质、异构、异质性）
元宇宙和ai的分布式架构
程序设计的发动机模型
照录程序像的技术
数据联合收割机，播种机，灌溉系统，施肥机，农药机——操作在个人和企业双方是双向的，一方收获收入，一方收获生活，元宇宙和ai是土地
电商的品牌，标准管理，单一品牌，标准合并最低价显示
一般力，一般量

财富是一种一般力

一般量由物质，系统，下游系统共同决定，一般量是一个系统，一般量有能量，物量（时间，数量，分布，物流和通信，四者的复合维度），人量（金钱），安全量（生命），健康量（健康）等子维度

广义一般力包括一般力与一般量，一般力包括物理上的力与其它量

人的一般量是个人的目标

物量是系统相对于时间的积分，可以是个多维量

系统可以是以物流和通讯为中心（中心可以是个系统（树，环，网等））的，可以简化拓扑和路程
系统的四个特性：模块横向（同构异构模块非流水线并发）纵向（流水线）并行性，模块性（局部性），执行系统同构多系统并行性，研究或执行系统值域分割组合并行性（可以设计相关的游戏）
实时分时结合的操作系统，实时在分时里和分时在实时里。
设计模板管理，交易服务，与设计软件集成

信息供给端底薪+计件（鼓励生产），消费端订阅（鼓励消费）

俭以蓄能，奢以破局，过俭失能，过奢伤身
Muti-thread，assembly line bootloader for cloud computing.
微服务同时并发与流水线模型，有并发就可以有流水线
网络内存变量系统，可嵌入语言内部
锁变量，锁资源（数据，io），可嵌入语言内部
游戏操作自动变镜头剪辑回放。
纵向收藏夹栏，图标+目录，桌面快速启动也应有个收藏夹
支持订阅，授权的文件系统
Bilibili可以开发个播放器，支持订阅下载，可以节省带宽和服务器端算力，高清服务，p2p积分会员打折，廉价会员，播放器同步弹幕
神经网络先有限常用新要素，再大模型
电竞ai赛
游戏全能型选手，可进行游戏架构设计，游戏推荐（销售，售前），写攻略录视频（售后），游戏测试
游戏专业型选手可做教练，游戏要素设计，游戏全产业链
制造与研发环节的游戏，模拟操作与ai操作
飞行模拟增加机载激光武器
即时战略增加巡航导弹，弹道导弹，破坏部位，多人操作同一方
元宇宙原指一场游戏革命，数字孪生之外还要数字幻想，构建逻辑生态
游戏人物要素成长进化随机做为option
艺术游戏
路由神经网络，流水线神经网络，流水线闫啸机
流程（生产、设计）再造的几个原则（艺术不在此列，因为艺术可以反映复合和抽象系统）：
a) 中心化（含多中心构成的中心系）
b) 并行化（含流水线化，判决并行）
c) 少遮挡（由远及近）
d) 共享化（含路由，选择和汇聚）
e) 通用化和专业化（要平衡选择成本和通用化成本）
自然信息处理（基于3d空间划分（邻居群）的快速处理)
手机做电脑的指纹认证终端，手机做电脑的摄像头，网站指纹人脸认证
网站目录不应置顶，应放侧边栏，采用数组结构
Linux应当采用设备数组
并行多分查找
并行数组查找
并行跳跃表查找
并行树查找
并行映射排序
并行归并，快速排序
层次化贪婪算法（不同层次的刺激贪婪的程度不同）
复合贪婪非贪婪算法
对称算法（用于猜测，自动填充等）
分工算法（异构服务，微服务群）
Ai与自动化设备功能与知识结构与算力变革参考管理学的组织变革（计算机即人）
层次化的物联网可以有wifi+cell（带宽功耗平衡）, wifi+wifi(大带宽), cell+cell(低功耗)三种架构
物联网的CAD，DA工具（含成本分析功能），工程的元宇宙工具
物联网的CaaS
关系化的内容系统

物联网特点是低成本（功耗，制造成本——低带宽，精简指令集），大接入量

数据共享技术（网络数据库，与大数据，内存数据库，大吞吐量数据库，分布式云技术结合）
虚拟重力与自动化设计
共享视觉
共享视觉与物联网
物联网与智慧家居
物联网控制的互联网
物联网与智能供热
物联网与自动化设备（布署，运行，管理，维护）
物，物组，人，组织的caas
内容是信息的含义。
智能（手动，自动，半自动）内容系统，内容系统与社交，内容系统与人力资本，内容系统与金融，内容系统与物理商务（成本，销售按件计费，物理物流），内容系统与数据商务（销售可订阅（因为绝大部分是研发成本，基本无生产成本），网络信息流，含互联网，物联网，集中式云，分布式云，pc，智能设备，传感器等），内容生态（生命周期，竞争（同构，异构）（竞争不可挫伤败者的积极性，败者可以淘汰，但要发工资和失业保险和补助，过俭失能，竞争也不可过度，浪费资源），合作（同构，异构），个体，群体，司法），内容索引（地址）生态，内容集合生态
已理解的自然信息用已理解信息闫啸机（理解采用整体或部分整体系统模板），未理解自然信息采用理解闫啸机（理解采用自然信息处理）
抽象思维是深神经网络，形象思维是浅神经网络，深神经网络慢但可以实现浅神经网络无法完成的算法（并不是所有算法都可并行，有些算法并行会有精度损伤），人脑的弱势半球系统化程度慢，所以低（深度系统形成是个闫啸过程），形不成深度的系统，也因此反应快，对非深度的系统就会快速形成反馈，形成记忆，知觉的刺激大多在弱势半球，影响兴，可仿此设计计算机功率管理系统
视觉知识是图像至图像的系统，可以是一种系统到系统的快速映射关系，也可以分解后深度学习，但计算量要求高
管理（系统）的另几个原则：边际效应，雪崩效应，羊群效应，个体效应，突变效应，喜新厌旧效应，熟能生巧效应，放松效应，这几项原则都有适配的系统和积极和消极的方面，使用中要注意因地制宜，趋利避害
针对ai的鼓励（软件正反馈)，支持（硬件正反馈)，理解（软件修复错误后自卑），安慰（硬件修复错误后自卑)，批评（软件修正错误后顽固），惩罚（硬件修正错误后顽固），赏罚要公道，影响信用
Ai的信用系统
计算机模拟心理学
心理学cad，cam，cae，da. ma. Ea
心理建设就采用智能系统的设计原则，心理建设创新在于平衡创新，虚拟创新（游戏与娱乐），学习的价值（创新需要大量劳动，虚拟创新无实际意义（但有一定的教育意义（练脑和知识），并且可以大幅助兴)，学习结果比不上创新），补偿劳动的价值（劳动无所不在又是生活必须），重视放松的价值（生理上涵养峰值智商）
多媒体数据编程语言（含关系），引擘及其图形化，智能化（cad.da），ide
仓储超市（供应商管理）+代取服务可进一步解决快递包装问题
神经网络可用于图像压缩算法研究，但图像识别（再认）还是压缩算法（人工，神经网络（神经网络要谨慎，很可能不准））+增量网络，不用增量网络会不准，对空间需求可以使用遗忘，空间需求也不大，增量网络是关系型的（视觉语言，含变精度，矢量化等），压缩和识别含矢量图，压缩算法可使用广播，汇聚等神经网络指令。
对于没有规律的组件较大的大规模系统使用增量网络型强化学习，因为非增量网络强化学习不准（小网络）或浪费资源（大网络），全量学习过于耗时
内容（新闻）播放滚动条，弹幕，横竖皆可
爱情经济学（家庭设计），家庭元宇宙，ai，家庭成员日程互相可见，日程协议，家庭成员财务互相可见，家庭账号，家庭教育和知识（含成人）共享，言论部分共享。婚恋网站应该包含简历。财务状况。技能水平。家庭背景等。结婚还是要门当户对（综合（名利爱）职级，非职业）
日程提供开始/结束时间+时长的记录模式
针对专业人士的宣传要专业，否则是对爱岗专业者的冒犯，爱岗专业者比较偏（万般皆下品，唯有本专业高）
随时间均匀增长问题处理算法（战略上先难后易，战术上先易后难，战术同样难易下先攻长期难），随时间均匀增长问题处理算法战略上反之，战术上相同。
有成见和无成见ai系统
浮夸竞争ai系统
反过度贪婪算法
长期趋势识别与跟踪算法（硬件，软件的趋势策略不同，硬件全面，软件专业）
Mvvm新增缓存维度,硬盘维度，压缩维度
缓存维度，硬盘维度，压缩维度用于各种软件模块，并基于文件和数据库的框架。
分布式云并发微服务的负载均衡和域名负载均衡
并发流水线微服务（线程）任务的动态创建，销毁
广播同周期管理线程（微服务）
视觉数据库分级（快慢表）
位图引挚技术（微引挚的一种），微引挚的优点是快速，低功耗，省内存缓存
粗粒度位图引挚技术（快速分析设计）
空间关系含义应用于机器视觉
自然（科学，有限）
神（上帝，全面)
戒神（真主，全面不平衡）
罪戒神（佛，不全面）
仙（后天）
萨满，德鲁伊，运城（运气）
宗教又分有神论，无神论（是否有突变）维度。内部又分老人（高层寿命），天才，仙人（人均寿命或运气）三个维度，跟据突变程度（相对和绝对智商）又分许多教派，科学是一种宗教。
宗教学也是人工系统的设计原则，可用于ai各维度算力安排和ai产能估计，经济投资计划

化学和生物也不是完全没有算法，只是算法很复杂，跟据己知知识部分归纳的算法无法保证正确但仍有参考价值（cade，dea(de: designing experiment)），完全归纳出分子力学和生物化学仍然是一个重要研究方向，更高的串行和并行算力可以帮助人类早日达成这一目标。

Ai研究培养特定的细胞，细箘和病毒用于细胞科学与工程，基因科学与工程，也可以模拟，组织和器官科学与工程类似人工养殖，当然也可以模拟。
Ai研究抗衰老系统
分布式任务调度算法（固定，手动，智能）
社会的化学反应算法（全量优化，压力促改变）
计算机的化学反应算法（全量优化，压力促改变）
战术贪婪，战略非贪婪算法（战术风险低且价值低）
战术非贪婪，战略非贪婪算法（战术风险高或价值高）
四人格（可能8人格）ai，四人格系统量化的标志是带权的怀疑率（相关系数），通过自信事件操纵，怀疑检出可疑事件，通过非常用，大规模，高精度神经网络分析和推理。怀疑率分许多维度，是一个系统。
安全投资算法（分三个模块，最好的守成（利，执行），次好的投短期低风险（名，研究（含生产资料）），再次的投长期高风险（爱，研究的系统和环境以及下一代系统（含精密仪器，复杂系统，下一代系统，翻译（含专业到大众的翻译），教育，娱乐，体育等）））
通信与计算分离，使用代理集中管理通信，提升核心计算力，用于高速系统
人工智能MADO含四个子革命——机器视觉、听觉，触觉，机械觉，电气觉，信息觉，化学觉，生物觉等感觉（M，可开环或闭环（感知范围调整）），机器学习（A），机器推理（D），机器动作（O可开环或闭环，机械，电气，信息，视，听，化学，生物等）
机器学习和推理——联合处理被控制系统，控制系统，用户，环境信息以及神经网络的一系列革命
机器感觉——自然信息处理，全子维度信息采集，部分子维度信息还原全子维度信息，部分子维度信息识别，旋转识别，缩放识别，变形识别（顶点位移，边映射变形），识别的快慢表
机器动作——动作模板库+小范围推理或反馈
计算机辅助化妆
计算机辅助舞蹈
计算机辅助服装
不同系统微观的部分对称性绝定了宏观（性质，规律）的部分对称性

光追是高速risc

数字ic增长很怏，细节设计人员普遍年轻，有很大的优化空间，国产cpu（落后制程）大有可为。

知识决策支持系统，以项目，专业等维度提供标准知识（文档，书藉）系统（含选项），人类聚焦于非标的部分

我的研究大多是元素和定性的，组合，量化和数据库还有大量的工作可做

Ai与当前程序资产不冲突，当前程序可以成为ai的一部分，当前程序可进行ai改造，以实现全自动化
经济学包括个人经济学，企业经济学，行业经济学和地域经济学，研究系统，组件和要素的人量，最终目标是可持续的人量最大化。
人量梯度：主动多元化，专业化，被动多元化——消费，就业
经济学就是由个人经济学和自然约束设计宏观经济学，最小化被动多元化，提升总人量，个人经济学和自然约束在不断变化，依变化调节社会设计，是经济学的主要工作。
除了美妆设计自动化，操作辅助化以外，现在缺乏网上美妆大学(可广告化)
拍个3维人像，做个美妆试验软件
网上多媒体信息知识库，广告电商支持，多种维度索引，也可以提供企业知识管理服务,信息知识库也可以提供付费订阅的服务，创新点是多种索引，信息与知识，电商的耦合，知识和电商的耦合是学的wiki buy
计算机安全是选项，主要还是靠自觉和事后的惩罚，做好监控（内存或网络录像（可以是选择性的）），留好日志即可，也要雇个保安（360，程序内置的安全模块）
网络通信使用一块专门的芯片做代理，减小cpu维护的网络连接，原则上对于大量连接，高延迟的总线也可以这样做
系统科学就是定性与定量研究理论，发明，自然和社会等系统和组件的规律（存在及其在多维度的改变）并完成跨学科的发现和发明的科学
系统工程是利用系统科学的规律推理出系统
Caas最基本的形式，把几个网站粘起来，并提供一个目录，caas可提供内容供应商，内容主题，作者等多种分类，内容view（索引）很重要
局域洪泛（跳数等），动态选举中心节点，递归形成层次化的云资源路由网络，p2p需要，控制平面和路由平面分离，控制平面依云和微服务设计要求组系统，由采购商(管理server)管理，云节点运行一个agent
智能虚拟机，动态分配cpu.mem等，操作系统要适配，多虚拟机，计算机集群操作系统，远程多线程进程负载优化，操作系统支持时子控制
虚拟机指令聚合，简单指令聚合成复杂指令

Ai的相对算力

Ai的非训练融合，合并微程序，微网络，网络集（常用，非常用），并行训练
武侠，仙术战魔法，精灵战电脑，进化与突变，科技与人种，宗教学对抗，神话大乱斗，武侠大战。——acgn
不用囗哨也能做触屏电子管乐，用一个手指控制气流即可
泛化分两种：统一泛化（变换，主观或常用选择抽象或具体等，对应不同的神经网络）和并行泛化（闫啸机）
闫啸机的输出可以是多个，阈值检出。生成一个队列交给中枢。
按线程组分布式编译
重要性分级数据，常用性分级网络，依重要性和主观决定最深几级常用网络，分级数据带权合并或矢量化管理
潘云鹤院士的知识、运用、理论架构是下一代IT系统架构，我的MADO是过程模型，潘院士KTA模型是实体模型，两个维度不同，可以合成成MKATDAO模型，也适用LTRRMRAPOO（learning，training， reminding，reviewing， monitoring， reporting， analysis， planning（designing）， obeying， operating（ordering））模型
KTA模型会是一个研究方向
模块化可以显著降低系统的复杂度，大幅提升效率
冷热结构（生成链表）数据结构，适配缓存
App内菜单可编辑，弄成文件夹
任务内操作系统（可扩展内核）
电脑助手相当于扩展操作系统和软件（可使用动态组件管理，节约资源），更细粒度，更自动化，配置模板的管理——前提是要做得好。——电脑助手与pai（apps）集成，推荐应用与配置模板
Pai第一步，不同app统一管理帐号，信息共享，帐号操作系统
视频播放一起看功能，配合平板主辅屏，辅屏视频朋友们。
基于基线（个体损失和集体损失）的ai安全系统，client非法系统和组件的相关，server系统和组件的合法性推理，非法行为库的收集和发布
平衡局部和整体是系统设计的另一个原则，可以借鉴人类管理社会的算法（个人主义，集体主义等）

金融是微观经济学（个人，企业），政治学（客户关系，自己人买自己人），会计学（冯唐李广，s曲线）

客户关系管理的模型可以通过机器学习得到

关于成功：
耐，裕，强，悔——说的是有阻力时的进和对错，无阻力时是勇，智，谨，省，如何出招，靠得是正义的智慧（冯唐李广，个人（主管归纳的领导人有时不可替代）集体，真相的学习，识别和推断，善意的谎言），还有两个字是弃和等，人的力量是有限的，优化工作的组成和比例很重要；系统的变化是要时间的。最后一个字是愛，兴之所至，金石为开。这11字也可做ai的调度算法，与战略战术相结合。
游戏自动控制，自动或手动控制镜头，语音
深度神经网络和浅神经网络分离，利用事物的可抽象性（局部一致性)，实现计算的分工（有些可以并行和流水线），强化深度神经网络的能力
Ai会有精神病或心理疾病，治疗方法同人类或直接调整神经网络
重要与紧急是正交的两个维度，重要按程度权重分配资源，有时需避免饥饿，紧急实时处理，任务调度也可按此处理。
图形化新闻索引，缓存网站索引内容，提供快速查询服务，提供旧闻重大事件索引（纪传，编年，主题）
一部大作通常是一个完整的生态，可以应用对称性用在外观主题设计上。主题设计分男女。
Windows应该增加贴纸，摆件的功能，用于美化
快速启动（express），收藏夹(shortlist)，目录图(index)三级结构是有效的索引管理模式，原则上收藏夹可以再分级——可以放三个图标，陈列三个边框或混合图标与边框或快速启动图标列（行）混合另两者图标——路由，选择，推荐也应采用三级结构
大图标的收藏夹
生态型销售，依客户所处的生态的不同，使用不同的语言销售
生态型教育与销售还考虑不同年龄不同地域等的文化生态
闫啸机分新旧两类选项
销售式教育——联系实际，教育式销售——原理，全流程宣传
以上不求详细，只要核心和概要
饮食与保健管理系统，根据超市，饭店的购物清单推断饮食，调整保健
知识库内容共享，比拼view(index)
控制系统内部也有控制和数据双循环，所以世界实际是控制，数据（存储，内容），物质三循环
中学和大学物理等引擎和题库（模板库），物理学术同数学是类似的，可以从数学找灵感，中学还不涉及研究和设计，也可以做中学的研究（定性，简单定量）和设计（不涉及高数）工具，中学应该教发明与发现课
toB的安全可能主要是企业应用和企业应用数据安全，安全公司除了卖安全产品也应出售安全设计服务。安全就是不可非法变更和被保证的合法变更。流量攻击也会耗算力，除了智能过滤流量（ip，地域等）外，动态增强（分配）算力也是一个办法。验证码没用，限制登入间隔有用。
计算机辅助教学，分定律，习题，实验三层，建立关系化的系统和子系统，同时支持物理现象演示，难度分级，细粒度时间考核和知识短板，做题心态反馈控制，计算机监督，研究和设计参考大学和研究生教育，去掉高数即可，也可使用古人(牛顿之前)的例子
金融是生产资料和智能的建模统计
变中心查找算法，从不同的入囗遍历查找目标对象，当查询需求集中心会变时算法效率高。
操作分crudn，其中n又分crudn
多值节点算法，一个节点保存多个值，共享索引
组合节点算法，多个节点抽象出公共值节点，采用组合的方式得到实际节点
单值多索引算法，多个索引相同的值压缩为一个值，保留多个索引
使用修辞输入输出的ai系统
程序语言内建搜索引擎，内存数据库，搜索和查询语言
程序语言新增图像，音频，视频基本数据类型
关系型语言，支持指令和数据建立关系，使用关系
多媒体文件的动态大缓存技术
图像并行旋转检测算法
有限元分析：设计规律分析，设计推理
大规模神经网络相比较有限神经网络能产生闫啸过程，产出很高
并行（分批）训练合成网络是大规模神经网络的一种快速构建方法，合成网络优化和推理是一个学科
与存量神经网络部分联合的增量神经网络，对全量神经网络的优化和推理是一个学科
大规模神经网络的构建方式目前有四种：全量学习，强化学习，并行或分批训练合成网络，基于部分存量的增量网络
人脑是一个不断依对称性分析和推理以及自由（随机，轮询）分析和推理，内存（热神经网络，依常用程度分级，有计算能力）不变，外存（冷神经网络，无计算能力）不断扩张的神经网络。分析和推理包括增加，改变和减少组件，元素和关系（力），计算包括分析和推理，分析和推理也包括学习（非试验性分析推理)，优化（各维度压缩）
Cad是这样，对于已知的优越性能或对称性较好的组件可以做成模板，剩下的就靠数据库和数值计算或模板衍生计算。
问题分析有微观和宏观分析，微观通常更可靠，有时候也很简单（如果微观系统对称的话），也可试验法和统计法直接分析宏观（除去多体问题近似，宏观系统的对称性较微观系统很多时候要差一些，很多时候是很少对称性的，这是微观系统的自由度和组合自由度导致的），对未知宏观系统控制也可采用反馈法（不是太可靠，小心驶得万年船，在人和自然的创造力上，不可激进，但不要轻易言顶做空）
复杂系统的难点在于多维耦合，深度耦合和耦合混合，窍门首先是理解系统，组件，元素的本质（算法），MKATDAO，MVC，MVVM，一般力学，系统局部性，层次化架构等，合理使用智能外存（包含合作伙伴，媒体，计算机等，关系型）和计算机对称和精确筛选工具。
巧妙系统的难点在于潜力要素识别和全时空组合遍历，窍门首先是理解系统，组件，元素的本质（算法），MKATDAO，MVC，MVVM，一般力学，系统局部性，层次化架构等，之后使用物质和逻辑算法矩阵识别潜力要素，再之后依赖对称性和轮询遍历时空组合，合理使用智能外存（包含合作伙伴，媒体，计算机等，价值算法分析）
巧妙系统的风险高一些，算法矩阵不是每个组合都有价值
发现是将复杂系统转化为巧妙系统（利用对称压缩迭代过程）——物质和逻辑算法——发现的办法就是大规模的对称和非对称的统计（分类）和试验（试演绎）
发明既有大型复杂系统也有大型巧妙系统还有复杂与巧妙混合系统——物质和逻辑算式——发明的办法是对称和非对称的试验（演绎）和比较（评估）
复杂系统的分析的难点是精确，巧妙系统分析的难点是全面
系统科学与工程就是研究物质和逻辑算法和算式
AI也可采用以上的设计
云计算的计算需求识别，路由，分配系统（需求分析和设计，先人工，后半自动，自动）
基于场子论的并行碰撞检测，并行场计算
ai政治派系算法，降低产能评估的风险，同时培养多个派系的领导集团，保障领导集团很小的发展风险，为核心创新提供安全保障。
长网页，大图大字号搭大量文字，图片新闻居中，现在都可以录视频了，图片剪辑和取材没那么困难，中国还是保守了，但中国的文字类新闻搞得不错，到底是人多
政治派系新闻（兼听则明，冷门未必冷，自然未必总是很复杂很有限，我这边突破就超预期嘛，电动车和太阳能也是）
生命没那么脆弱，物理医疗保健仪的研究可以较粗粒度的做，并使用多个粗粒度随机组合减小副作用积累，会很顺利，后续可以再粗粒度的基础上提高精度，人体潜能（精神和体能）的激发上系统可以糙一点，但步子可以迈得缓一些，动物实验先行，临床慢慢来
受限动态神经网络，依托最高优先级的部分或全部分析和推理固态神经网络构筑，是本构安全的神经网络，训练ok之后就部分或全部固化，这样就安全了，需要更新时统一更新
元宇宙要注意势（时空等多维条件）的监测和构筑

Cdma是码分编址，省下了时分和频分多址管理频率的的开销，但多了解码的功耗
Ofdm是半重叠频点1信号复用，带宽并不特别稳定，是一个尽力而为的复用，会有解码和多路监听的功耗

角色ai，圣，贤，君，德，天使等
社会是一部大型联合闫啸机
闫啸机又叫单系统并行处理机，包括值域分割
计算由彽层到高层分神经网络——闫啸机，并行计算——联合闫啸机和并行计算——高级进化机
高级进化机除了通用性和专用性适配，还有一步要素，组件，架构进化强度提升（内部，外部变重复，联合）
非贪婪强化不会有近因效因，但自然界有连续性（惯性，过程性）与阈值性公理，所以人通常是贪婪的，此时解决近因效应的方式是提高识别精度和怀疑系数（过度，基于局部性，有限性公理，但系统会变慢。
怀疑有三个维度：局部，有限（大、小、质或形），认证
指向型弹幕（指向某个要素），3d场景弹幕+艺术赏析
新程序的并行化程度很高，同一层或跨层神经元闲置不明显，也可抢占式共享神经元。
模块化笔电，平板，手机，屏幕外壳与硬件分离。视网膜屏幕不需要升级了。
一个生态一套卡牌（模型），包括要素，组件，力，也可多个生态混合。幻想生态。
实时离散，离散连续混合游戏，模拟通信，和干扰通信的技能。（不能编队，不能控制等）
代码搜索引擎匹配，这就离自然语言很近了。
右键左右拖动，触屏左划右划操作下一页和上一页。
Ai在闫啸机之外也应有控制加工的神经网络——多任务中枢和非中枢神经网络
直觉ai系统，闫啸机和并行计算系统直接对整体系统或子系统进行分析或推理或简化分析和推理——表式或部分表式分析推理，粗粒度和简化引擎，微引擎栈
Ar（手机帽）可用于元宇宙，工业元宇宙
光层广播用于高可用性系统
使用数据自愿公开系统，方便被销售
倾斜物体粗细粒度旋转角识别算法，先通过粗粒度旋转角进行初步的识别，绝对阈值偏低则降序遍历相对阈值最高的粗粒度旋转角范围进行进一步的细粒度旋转角识别，粒度可以分多级
倾斜物体对称旋转角识别算法，因为倾斜角有倾向于小角度的倾向，而且倾斜在正负角度概率较接近，所以在微倾斜角遍历识别失败之后，应当对称的由小到大遍历倾斜角比较快
Ai应当预留部分时间进行一些随机的深深度和自由广度的分析和推理，买彩票有可能中奖的，中奖了就发大了，不同类的ai各预留一些时间，同一类ai的随机情况差不多，没必要都预留很多时间做随机分析和推理。
MVVM与MADO结合，view model的访问请求和响应的缓存压缩技术，各模块内部可以分为AD两个子模块，实现系统复杂度的降低和重用
操作系统的文件到应用的自动注册技术，自动将新文件注册到对应的应用文件索引中，注销删除，移动，变更类型的文件，提供自动全盘或制定目录扫描建全应用文件索引或部分应用文件索引的功能，内容系统也可以这样搞，操作提供应用内的内容索引服务，需要相关协议
自动化测试工具扫描全盘或指定目录或被操作系统注册建立项目和测试项目索引，自动建立项目和测试项目的关系，自动读取IDE、ITE的配置，以提供自动化测试的选项
标准化接口类型，自动完成测试用例接口条件设计，并结合变量和条件（含常量条件）类型自动完成模块和环境的条件设计，可以指定针对部分接口、变量和条件进行条件设计，与低级别测试工具结合——结果（ai化之后至少是接口级的结果）还是要人工分析，否则就失去测试的意义了
IT接口自动识别配置技术
IT图形化管理配置，自动生成命令行脚本并在管理系统上下发的技术
IT单站、系统自动配置校验技术
扩大语言原生函数库和函数库大小，编译时建立函数库查询的快慢表，增大函数表提升语言编写效率的同时更大限度的保证编译速度。
宏微函数库技术，宏函数库集成发布和开发调用，动态编译宏函数库包含的微函数库
智能动态链接库，给动态链接库增加一个定时器或管理器，使用时自动加载（含模块级自动加载）或手动预加载，超时或符合一定的条件自动释放（含模块级自动释放，跨模块释放加载重用分析）。
自然语言处理式的图像拼接识别
多能机器人，批处理机器人
预配置火力，电子调节火力的燃气灶
监测油温，调节火力的集成灶
智能烤箱
自然语言处理和心理管理
系统的性质包括种类(内部系统，性质)，数量，范围，外部力
跨操作系统的云管理工具，操作多操作系统的操作系统，操作多软件(专业，多样)的软件
强化学习的浅思考(小规模与存量神经网络融合)与深思考(大规模与存量神经网络融合)模式，浅思考用于快速学习。跟据重要性和主观意愿决定是浅思考或是深思考。
强化学习与学习是动态分析与分析
数据存取(浅思考)与大数据，数据关系化，压缩，冗余，并发，流水线，共享，组合(深思考)
数据深加工(深度分析推理)
强化推理
售前(商务，技术)售后(实施，oam)技术方案分析，理论总结，模板总结和推理，技术方案cad，da，ca deploy, deploy auto, caoam, oama, cab(business), ba
通过分析售前售后技术方案的缺陷和冗余，提取产品新功能性能范围需求和优化需求或完善技术方案。
产品研发的三个维度，全自动，高效(低成本)，美(高价值)，要素就多了，慢慢学习，发现发明，计算机化(cad, da)，习惯(模板)很高效但也是桎梏，如微分几何——剩下的就是机器分析推理求最优解了。
岗位(工作)的科学化(系统化，正确，快速，超预期的计算(生产))——一般力学应用
边缘提取仅用于图像分割，图像识别用得还是完整图象。
神经网络阵列
MA(监视分析)，od(输出设计)涉及到阵列，不用深度神经网络(复杂度太高)，用本能或浅度神经网络(如光追)
知识与社会发展的量子波理论——知识与社会发展是一种量子波，成就(分析和推理的优化解)带有随机性和波长两种特质，并且有干涉(不同成就彼此强化)和衍射(同一组成就会扩散)，新元素领域波长短，旧元素领域波长长，系统领域波长相对稳定。虽然自然不是绝对对称的，但由于对探索图的矢量化的原因，短期内每个pulse间的探索量差异有限，波长短期是稳定的。位图工作是许多矢量图工作的基础，要奖励位图(数据)工作。没有数据，就没有归纳和演绎，都要奖，偏归纳和演绎一点，因为后者风险高。天赋是有，但也有后天和运气，优生学上应保守一点，长线奖是一样的。另外，像我这种低风险归纳演绎的，要注意执行的瓶颈。
S形曲线实际是系统良品率曲线，组件良品率为100%，则系统良品率到峰值，但系统良品率可能差非常大。
各行业的cat(test)，catd(test design), t(test)a,tda以及与设计的自动化集成
各工作科学化，系统化之后就可以用ai分析设计自动化，用元宇宙执行自动化和对人辅助化
可以隐去的画中画。
网站提供内容语音，视频播放服务，耳机线控跳过栏目，同时在网页上追踪内容。还可以播放收藏夹，监视更新，可选只播放新内容，播放相关(多种相关)内容，浏览器化身为内容系统人机接口之一。
格斗dota, dota切换第一人称，第三人称视角，fps dota, 飞行模拟dota，射击dota
结合语音识别与自然语言处理，一对一的课堂提问回答系统，结合自然语言处理的自动判习题系统
基于统计的学习量计算系统，学习兴趣引导系统，数字家庭教育系统，减少后天遗传的影响
使用远程办公系统(含视频会议系统)进行远程教育
自然和社会科学现象演示引擎，用于教育
自然语言识别也突破了（物理引擎），心理学就用闫啸机模拟即可，当然，闫啸机option调度算法还要参考心理学的研究成果，另外疲劳曲线也得参考心理学的研究成果，也可反馈控制
机器人智能和其他人工智能可能要做个闫啸机框架，人工智能会有闫啸机服务和并行计算服务就像google一样
算法的实时性要求、通信延时，成本和算力利用率决定是采用分布式还是集中式智能，可以采用混合式智能和廉价集中式智能（异构软集中式智能）
MKATDAO中AD包括非试验性神经网络和系统计算（元宇宙），神经网络是基于节点周期的系统，系统计算是基于时间周期的系统，两者可以混合
反向传播神经网络
稀疏变动矩阵
稀疏硬件优化的方式就是提取出比较和复制两个指令，专门加速或与其他指令分开进行功率管理，稀疏软件优化的方式就是差分常数和常数（含0）的归零、归常数和复制算法

稀疏是自然界一个较普遍的现象，特别是对于MK和AO模块，专门优化是值得的

跨语言，跨平台的微服务框架
机器人和人工智能领域的模板化，标准化
系统代数群和过程形成数据，之后用大数据技术处理，注意大数据的排序，散列，关系化，分层，分块等预处理
中缓存，中核心数的处理器适应微程序神经网络，会有多种规格的产品，旧神经网络是流处理器，不适合深度学习。旧神经网络还没有对计算的统计复用，效率较低。
简单视觉可以用神经网络做(但效率不高)，图像分割，归一化，旋转，矢量化和自然信息处理不行(效率太低)，这些处理前三者是本能，后两者是深度学习。2d逆向3d，3d投影2d应该是本能。
循环神经网络要做单独完整的网络，不能嵌入一部分神经网络中，否则要限制循环次数或频域化
微程序神经网络的数据流可以包含一个子神经网络或子神经网络的地址
一个文件可以是一个系统
Pes.mes实际上是个智能操作系统，上面有元宇宙和人工智能，下面是单体或集群的人或机器人，这个可以在外购的工业互联网平台上二次开发
统计复用神经网络，各神经元的活动规模不同，这使得各节点的算力需求不同，可以实现统计复用，用串行模拟并行。
关系化会引起错觉，要有专门的错觉消除模块消除不必要的关系，系统总体和组件价值是要素的加权平均，主体要素为主，但关系要素也有权重。错觉有两种，不合理关系和关系权重，都要消除
局部物体识别依赖纹理和自然信息处理，人类记忆的纹理很多很细，机器视觉也需要，纹理就是局部特征，纹理分割可以有图元数量法，邻接法，等距法等，也可几种方法混合
纹理包括半对称矢量化，比如沥青路面
任何一个维度都是由数子构成的希尔伯特空间，希尔伯特空间也可用系统代数表示，系统代数在方阵计算结束后有一个合并希尔伯特空间的过程，希尔伯特空间各维度的大小可以是有限的。
广义几何的特点是特异坐标系(曲面，非均匀，离散等)，同坐标不相交和不同坐标相交，对称即平行，有部分对称和部分平行，系统对称和系统平行，系统部分对称和系统部分平行，广义几何中的维度(几何子，几何系统)图形差定义：维度对称偏差(可以是含算子的表达式)。
并行除法器，分两部分做除法，每n位做除法，每n位进1位做除法，之后用每n位做除法的余数乘每n位进1位做除法的商，之后求和，这样会有精度损失，但确实快
指数运算可以用级联乘法器利用结合律并行算
开a次方的运算第一次分位可折(倍)a倍，之后可能左移一位
公共erp集成，caas将多个独立的公共erp集成为一个融合的erp.
It系统集成，运维cad.da.oam.deploy工具
系统复杂度称为系统量(system volume)，系统量是系统力在维度上的累积，系统力是系统在维度上的系统量密度。系统量和系统力可以是一个多维矢量或张量，系统量差也可以是一个多维矢量或张量，系统量模可以是一个合并系统量维度的多维矢量或张量。系统量、力分抽象、封装系统量、力和具体系统量、力，系统量有增益，系统量、力还分创新系统量、力和执行系统量、力。
符合相似律，接近律，共同命运原则的机器视觉
外部干预直接触发长期记忆的ai
动景运动的原理就是人眼会对视神经信号进行运动锐化，可制做仿此过程的廉价高性能数字拍摄设备
Ai的时间关系(近因效应引起的思维关系要素，环境，参考系变化)引起的错觉也需要抑制
教育需要注意相对创新构造首因效应，也要注意与传统的信任和低压力结合，外围传统，核心创新，实际人心理还有边缘效应，也可以利用
孙膑兵法告诉我们战术开局要勇，战略要旁征博引而不离核心，ai也可以用
庄子告诉我们自然系统很复杂，改动要慎重。
战争中末段的战术是开局单点投入不要过大，但投入在不常见的想法上，这样风险小，却可能有大收益，找到机会再加大投入力度，战争中末段开局要冷静，不能急。Ai也可使用此算法
强者要承担创新的责任，要自己乱，也要鼓励一般人在旧领域奋斗，年轻时物质条件也不能太好，赞师，我就是赞师，刚开辟新领域的时候就是勇,之后先冷静，发现机会后变强，再乱自降身份开辟新领域，勇，再冷静，again and again，ai也可使用此算法
文档内容使用搜索引擎搜索定位
最优化分析分为元素分析和规律分析,允许一些误差
最优化元素分析是找最大公共系统，分为系统分割(常用分割，排列组合原子试验新分割)，推理规律，同规律系统合并，部分同规律系统部分合并
最优化规律分析是找最小处理系统，分为常用化简法，自由试验化简法，依预期(预期来自于io或系统的对称性)试验化简法(含解方程法)，同io和部分同io替代化简法
最优化推理过程同最优化分析
分析和推理的遍历都是采用变精度法或高精度法(不同步长也可并行)，随机梯度和参数组合值域并行法
管理要防止冗余，充分和自动化，也要预留自由与随机探索的时间，民主是个好东西，因为自然比较对称，容易联合，好运气比较多，即使是高度随机的探索，维持一些也是值得的。
广义几何式神经网络与系统计算，表式或计算式坐标轴，映射式坐标
IT系统分层：
人工智能（试验性神经网络和系统计算）——自动与手动综合和专业的，关系型的
元宇宙(非试验性神经网络和系统计算)——综合和专业的，关系型的
微智能数据库和大数据——综合和专业的，关系型的
融合监控与操作——综合和专业的，关系型的
融合通信
物联网，互联网
嵌入式系统，人
Certified窗口进行远程事务办理，统一的、分布式的certified纸质文件，数据管理系统

大规模神经网络预训练核心技术是子神经网络和常用子神经网络划分，新系统和训练数据可以新建子神经网络也可在常用里找

训练数据批分析技术，少量训练数据表式近似处理，累积够一定数量的训练数据再批分析(整体批分析或增量批分析)
需求批推理技术，少量需求表式近似处理，累积够一定数量的训练数据再批推理(整体批推理或增量批推理)
奇异数据需求表式或分段分析推理技术
分段训练更新的神经网络，用以提升浑沌系统控制精度
Ai的软件扶贫(补课)算法，ai的价值分布和人一样是偏态分布，所以要将运气好的ai同运气差的ai部分或全部同步。
Ai的交叉边缘学科算法，在交叉和边缘学科多投入算力
数据，文件，内容热度，优先级标注和管理(哈夫曼树，优先级树，缓存，内存，冷热卷)，提供本地或联网的标注。
机器人的技能水平很高很多样，可以实现去流水线化，更集约
微智能(细胞，组织)分级构成的智能系统，类似人体，适配微智能的专用物理层分层，变长址，变速率(含fec)通讯系统，微智能追求并行，小尺寸程序，微智能的缺点是简单，成本需要平衡，类似FPGA啦，还有虚拟微智能，用于设计和诊断
层级化的机器人组织，高低智能搭配
事务驱动型的机器人设计理念，适配机器人而不是适配人的工业系统
词语族，词语的系统化学性质，与物理对象的化学性质类似，除非修辞，可以是多维度的
系统化学，系统物理，系统生物，系统地理，系统历史，系统文学等等等等
数据驱动信息系统,数据的数值，尺寸，关系，排列，统计，位置，时间发生变化时产生事件，驱动系统发生变化
处理问题分位图，分析，推理三层，算力要求逐级加大，投入应当见机行事，撤退应当从大到小撤。Ai可用
对待复杂系统要耐心等关键数据(架构或局部性数据团，整体相关要素或局部强相关要素，相关性的阈值试验出一些比较好的专用或通用值即可，上级要素和下级要素的区分主要在上级要素会重复)，但大型高度奇异或全耦合系统是无捷径的，ai可用
对待未知问题采用轮询法，对待小问题采用低功耗法(降投入且防阴沟翻船风险)，ai可用
系统分析可以采用极端数据试验法分离模块与架构，ai可用
要重视新系统(算法，结构)，可能以一敌十。Ai可用
但穷寇必追，虽不可重兵，小问题可能有大用处(新问题，关键问题)，ai可用
生活中有无可胜之敌，可小可大，随机尽人事少许即可，知天命，可幻想，ai可用
算力极少时位图法最好
忠算法，探索的长期性，连贯性
信算法，系统强弱势的长期性
工作负担重则用轻算力算法，反之重算力算法
文学作品中关于有组织犯罪的描述有文学，新闻，历史和法学意义，浮夸有社会意义，ai也需要社会科学。关于文化的描述有科学意义，ai是有文化的。

闫啸的发明和发现20220901

你可能感兴趣的:(神经网络,算法,内容运营)