[强人工智能算法]Seesaw智能算法设计思路



     Seesaw智能算法设计思路

     在任意物理空间构造一个2维坐标系,确定原点(0,0),该原点的坐标可以根据该空间中拓扑结构的扩展而进行动态调整,并随时随地保持自己的中心位置不变

     如: 从原点往平面的一个X轴的两端分别构造两个节点(或者是两个新的子拓扑结构),原点作为Seesaw平衡器的一个中心点,这个构造过程被称为Seesaw平衡系统的原始构造过程,当初级Seesaw平衡系统已经建立起来之后,我们可以用该系统去控制其它物理空间中的拓扑网络


     该Seesaw平衡系统的控制原理是:  当我们希望控制的一个拓扑网络中存在比较复杂的网络结构的时候,信息在这个网络中从起始点(输入)运行到终止点(输出)的过程中,当输入信息的模块并未获得希望获得的输出信息的时候,我们必须启动反馈运算机制,即让信息在被输出之前,经过反馈节点的检测,当反馈节点发现输出信息不合预期的时候,即重新开始从头进行运算,直到最终被反馈控制节点许可输出


     但是这个过程在运行中会出现很多不可预测的分支路径网络走向,并使得整个运算拓扑网络被意外分身信息流所堵塞, 从而使系统崩溃,那么Seesaw模块的意义就是通过平衡计算过程的速度,计算输入信息和计算输出结果信息量,反馈运行的启动和终止时刻来使得整个拓扑网络在运行过程中获得稳定的输出信息,并保证系统在进行非线性拓扑计算的过程中保持连续性和随机性


     从人体大脑结构中,我们又获得了新的知识,人体的脑组织是分为对称两个半球的,这种结构类似于Seesaw的平衡结构,而我们自身的智能构造单元也一定是按照Seesaw平衡系统的原理来工作的,即: 当两个拓扑结构计算出现非平衡状态时,Seesaw控制器的原点要根据这种不平衡状态来进行位置自适应调整

      既:把原来的(0,0)点变成(0+X,0+Y),或者(0-X,0-Y)点,以保证拓扑网络和平衡系统不因为系统计算输出信息权值和输出信息量的不平衡而出现停滞和死锁

     
      OK,目前我对强人工智能系统的摸索暂时到这里为止,我想,大家还会继续前进.........


      请结合前段时间的信息战,心理战和其它网络对抗的总结,继续演化我们伟大的强人工智能系统的算法结构吧,相信总有一个兄弟会成功的

你可能感兴趣的:([强人工智能算法]Seesaw智能算法设计思路)