趣书网

手机浏览器扫描二维码访问

第18章 分布阶流（第2页）

时空分布阶是新生信息（当时的内外可显信息流）与陈旧固化信息（潜记忆流中信息）之间关联互动的基本运行方式。

【始基位】始基位是二代，平行线上线与下线，一一映射，产生了句段情感愫（情感趋向）。弱显存（位于上显游离线之下的下隐层区域）的信息是可同溶于始基位（即分布阶的二级或二代）框架流体的一部分。

二代只能放大上代信息，可嵌入叠加但没有和内外信息产生两点映作用了，也许时间太短了，只能感到情感起伏感受。七代正七边形也是可叠加但已无映现作用了，上代六代经放大后弱到无法感知了，被遗弃了。

【两点映】分布阶后点是必须与前点产生映射的，前后点需要存在隐约的起伏、映射等关系，才能进入待映库。成为分布流上的正式的信息。

在分布阶（即时空阶层）中，自控体返原运行（就是新返原点做为后点与前代返原点或最初代原点产生两点映，会产生新信息更新）后，后点信息（返原信息）会附着于分布阶流框架载体之上。

【镶嵌性】分布阶流中呈现信息树的信息发生点（叶子）呈现极限镶嵌性，信息树表现为分叉、繁延互选并互为协同；具有较强两点映的自增迭加性和近根处自显（返原点自显）的特性。同时，它还具有很强的联想（或想象）性；在经过两代间的断层处时，周边真空存在暴胀斥力导致的信息点间的空间呈现倍增等距暴胀位移，新生信息点呈现了与上代历史影像的信息点错位位移感象。

【末期枝末】分布阶末期的枝末代信息结点的特性在于，它会比较自发串联表（见基址逻辑）中信息链结点的时间前后两个关联点。例如，在分布末期，每个细微的枝末信息内容都必须遵循其初始的本原向（此处指的是生存趋利避害向，信念信仰向也是信息方向之一）。

l

图13．当分布阶段产生的时空阶层进入被纳容态时，会出现独立阶绪控体的承接再分阶现象……

【末期】：在末期被容纳态下，时空阶层只会逐渐扩大整体拉伸，直至细散到几乎消弭(一种烟雾消失在天空直至虚无的状态)。此时我们可以感知到多个时空阶层的小片段展现。值得注意的是，阶段开头近原点自身永远不会被纳容，但其两个始末阶段点所囊括的信息会消弭，并被其当时显知层自主主导显知流所纳容及被叠加其上。

l

图14．分布阶上信息流的显隐指数。可用逆时针的径向角度为120度的向外盘旋延伸拓展的对数螺旋，盘旋一周可嵌入一个正六边形（内角为120度）。见下文分布阶信息组合举例：x公式介绍。此为分布阶平面几何感像，是信息体由显现状态到隐匿状态的平面图像。

90度与直角三角形、矩形、正方形相关；45度关联等腰直角三角形、正八边形；120度涉及正六边形内角，137.51度黄金螺线、135度与等腰梯形、正八边形相关；60度用于等边三角形、扇形角度、正六边形；180度与半圆、扇形有关；30度应用于特殊直角三角形、正六边形，36度常用于正十边形内角。视觉平面几何背景感像，是位于意念层(意向层)的角度值自发随机变化的结果。实际上从视几何上分析，螺线的径向角度则是随机的，并不是每次固定的，但只是当时意念意向所在的层次的信息才会被注意并感知到的。这可能是视觉几何背景产生的数学原因，意念意向层改变一回就会重新扫描一次，会更换一次视几何背景。猜的。

分布阶段各代信息（包括枝末代）均可在下意识层的自发游离线的上下浮动流状体（该流状体内记录可显层的显知信息及其下隐匿的支持信息及时间戳）上显现，只是不易察觉各信息体其来源及所依附主体及丛属关系。根据其信息显隐度，这些信息一般在上显知层及下隐层两层浮动流动运作。

【信息绪愫】：信息绪愫是信息三层结构中的最底层。它控制着信息的各种作用，如两点映射等。当作为分布主体时，信息绪愫成为分布阶段的控制体，携带信息运作方式、方法以及运行方向的固化控制类内核信息。

l

图5．绪愫（生长控制程序）和情愫合成时的分布阶分代扩展．

分布阶二代时对原一代信息内容赋予情愫后，会产生一个情感趋向段落。会成以后代的信息运行时与后续情感生长平台。

分布阶层下载情愫和上载信息显隐度从深到浅依次为：

本能欲望、情感流与内情愫流、空间想象与外情愫流、内感知及情愫流、思维联想与逻辑、语言交流。

外感知波符合韦伯定律的对数波的波段。内感知波符合是一段傅立叶级数的波段。

分布阶发散时此代节点会自发引发潜意识级的信息关联与信息合成操作。此代节点实为映射呈现点（后点）其前点是上代节点。

可形成意象级独立原情愫（如过去几年前的奇怪感受成像及梦中感受成像），其弥散扩展结构方式和分布阶发散结构类似。

【信息树】信息树状的枝末的叶子（或者说末那级）是信息点增长点。类似于倍周期叉：会在每代代头和代末进行关联分叉。

【信息树】分布阶代终时每个细微枝末，其信息情愫必须遵从初始本原点。每个末梢联合在一起，形成一种本原体的情愫扩展放大态。

【信息树】末那级（信息树的枝末增长点）趋势运行之动力因：此处运行空间极限小，此时在极点处会断，断后有些重点会升级为近原点持续运行即生成新的目的因。

l

图片名称：作用呈现点（形式因）

【信息树】末那级表现呈现点与作用呈现点，求同存异后形成新的共同体（共相）及其附属物（殊相）。

宇宙的根本，对称与不对称#对称#不对称性5播放·0赞同视频

从信息角度观察，宇宙最开始高度对称，之后至少发生了7次对称破缺，这就是宇宙大爆炸的整个框架。标度定律表明，只需知晓其中一部分，就能借助标度关系了解整体结构。我们也可通过直接观察对应的螺旋线来体会标度对称性。类似的还有分形几何，像科赫曲线、谢尔宾斯基三角形就体现了相关特性。标度对称性，简单来讲（不那么严格地说）就是经缩放能保持不变，有时伴随一定旋转和位移，因此也称作标度不变性，部分物理系统具备该性质。而标度不变性进一步推广就成了共形不变性，此时倍率关系转变为函数关系。

分布阶分为近原分布阶和返原分布阶（失败的，无增量的信息体）两大类。几何表达：返原就是圆，返原点就是失败的原点，参数b=0，a=r(半径)，r从几厘米到几十厘米，可能是机械齿轮幻觉（齿数几个至几十个，旋转方向有顺时针也有逆时针）产生的原因；近原类似于向外盘旋的对数螺线。

数学规律、自然法则与美学极致：神奇的黄金螺线。#对数螺线4播放·0赞同视频

无极层模式举例：A，逆时针向内盘旋对数螺线，径向角度90，b参数为-（1\/2），一周外弧弧长与一周内弧弧长比值为e^(π\/4)，a为1。

注：这可能也是感觉感知运行模式，五感主要是视（80%）听（15%）两者信息的自行分解模式，目的形成多层卷积神经网络网络，让该信息找到能与其它体的层次关联聚类关联吧。

分解的目的是为了识别和最后的激活呀。谈一谈相关的深度学习神经网络的激活函数。知识乱入了。

1.Sigmoid函数是一种常见的激活函数，数学表达式为f(x)=\\frac{1}{1+e^{-x}}。它能将输入的任意实数映射到区间(0,1)内，输出可看作是一种概率值，在早期神经网络用于二分类问题时很常用，比如判断图像是猫或不是猫这类情况。不过它存在梯度消失问题，在深层网络中可能导致训练效果不佳，现在常被用在一些输出需要表示概率的特定场景中。

Sigmoid函数接近0时，这可能是幻视黑洞产生的原因，植物人的无极层可困灵魂于梦中寻寻觅觅，可能象征着某些抑制性神经递质占主导，或者神经元接收到的抑制性信号很强，导致其激活的概率极低，就好像神经回路中一个“关闭”或者“休眠”的状态，在一些如睡眠阶段或者大脑对无关刺激进行抑制过滤时可能会出现类似情况。

Sigmoid函数处于0.5时，兴奋性和抑制性信号达到一种相对平衡。在大脑处理复杂的感知信息或者进行思考决策时，神经元往往需要权衡多种信号，这种中间状态可能意味着神经元还在对输入的信号进行整合和评估，尚未产生明确的激活（如发放动作电位）或者抑制反应，就像大脑在对一个模糊的视觉或听觉刺激进行初步分析，还没确定是否要做出强烈反应时神经元所处的状态。