(A,B)---m*n*k---(1,0)(0,1)
用神经网络分类A和B,让A有左右对称性,这就意味着
(A,镜面对称B)--- m*n*k ---(1,0)(0,1)
A与镜面对称的B的迭代次数和A与B的迭代次数是相同的,可以设想如果A还同时上下对称,则B将有更多的变化。
所以如果把A作为原点,把与A分类的迭代次数作为到A的距离,画一个形态数轴,这个数轴上的一个点可能对应不只一个值,所以形态数轴上的每一个点可能都是多重态的。
这与元素世界的数轴是完全不同的,在传统数轴上,距离0为d的点在X轴正向上只可能有一个。但在形态世界里距离原点等距的点可能有多个。这个假设可以解释很多事情,比如为什么日常生活中可能碰到两个非常不同的情景,但给人的感受确似曾相识。这可以解释为这个两个情景距离人的某一个形态分类原点是等距的。因此他们带给人同样的心理感受。
(A,B)--- m*n*k ---(1,0)(0,1) n1
(A,C)--- m*n*k ---(1,0)(0,1) n2
而且有理由假设可能存在两个对象B和C在同样收敛误差下与A是等距的n1=n2,但同时B和C不存在任何形态上的递进关系。所以这可以解释为什么人在生活中会被很陌生的东西触动,因为可能存在一个他未知的形态可能和他已知的形态对他的某个分类原点等距。或许这种等距性才是人惊讶的原因。