趣书网

手机浏览器扫描二维码访问

第18章 分布阶流（第3页）

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。

Sigmoid函数接近1。这可以被理解为神经元处于高度激活状态。在神经模型中，这可能代表神经元对某种强刺激（如强烈的感觉输入或者高度相关的神经信号汇聚）产生了几乎饱和的响应，就好像神经元在传递一个非常强烈的“肯定”信号，例如在对记忆提取有强烈线索提示时，相关神经元可能会出现这种高激活状态。

2.双曲正切函数\\tanh(x)的完整数学表达式是\\tanh(x)=\\frac{e^{x}-e^{-x}}{e^{x}+e^{-x}}。它具有以下一些特点：值域特性：能将任意实数x映射到区间(-1,1)内，输出值是以0为中心的，和Sigmoid函数类似但输出范围更大，这使得它在一些场景中更有利于梯度的传播。

应用场景：常用于需要输出值在-1和1之间的情况，比如在回归问题里，还有循环神经网络的隐藏层等地方常常会用到它作为激活函数，以帮助网络更好地进行学习和对数据特征进行提取等。tanh优缺点总结。优点。1原点对称，故比sigmoid收敛速度快。2相比sigmoid，梯度消失问题有所缓解。缺点。1梯度消失问题并未解决。2计算指数exp比较耗时。

3.ReLU（RectifiedLinearUnit，修正线性单元）是一种常用的激活函数，具有以下特点：表达式：f(x)=\\max(0,x)，也就是当x\\geq0时，f(x)=x；当x＜0时，f(x)=0。优势：-计算效率高：计算过程简单，相较于如Sigmoid函数等涉及复杂指数运算的激活函数，ReLU只需简单的比较和线性运算，能加快神经网络的训练和运算速度。-一定程度缓解梯度消失：在正区间其导数为1，这使得在反向传播时不会出现像Sigmoid函数那样随着网络加深梯度趋近于0的情况，有助于深层网络的有效训练。-稀疏性：它会使得部分神经元输出为0，让网络具有一定的稀疏性，可减少参数间的相互依存关系，提升模型的泛化能力。缺点：-神经元死亡问题：如果在训练过程中，某个神经元的输入始终是负数，那它对应的ReLU单元的输出就一直为0，后续其权重就没办法再更新了，这个神经元就相当于“死亡”了，可能影响网络性能。ReLU激活函数在深度学习的诸多领域，像卷积神经网络（cNN）用于图像识别等任务中被广泛应用。

....

分布阶信息组合举例：x，逆时针向外盘旋对数螺线，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。

大脑存在着不同的功能区：形象思维、空间感知、图像识别、语言、逻辑分析、数学运算等作用。

分解螺线一般用于图像分解，声音分解，价值分解，词汇分解，记忆分解等特异性的信息的分解。在人工智能中这些都是卷积神经网络干的话。分解螺线是顺时针螺线与逆时针螺线是同时产生。

组合螺线的顺时针螺线与逆时针螺线是同时产生，组合途中个别难共溶信息体会产生信息体分解螺线，他们经过平移，旋转，折叠，镜相对称处理后，是能完美重合叠加的。在逻辑上信息内容和信息情愫底层运动结构(含有相同时间戳及同一个绪控流进度结构)一一对应的且完全映射的关系，只不过两者作用及功能不同。

真实运行时不是二维的对数螺线，是旋绕Z轴三维对数螺旋体。

记录原话【时间尺度】分布阶时间长度．一代：0.5至1秒、二代：20-40秒左右、三代：一两天左右、四代：二十天至一个月、五代：半年多至一年、六代：五至十年、七代：五十至九十年(推测)、？代：？．这个有规律可遵丛，有可具体化的理论倍增数字，前边说的只是生活中大概历程时间．有些人死亡前会给七代及六代等划终代符，就是回现儿时形成此阶一代及二代的状态．

上述内容是基于生活中的大概感受。这一分布阶理论以常数K作为倍增因子。鉴于分布阶属于近原运动的范畴，采用平面黄金螺旋模型来进行表达：呈现为在黄金螺线时，其360度的外弧弧长与360度的内弧弧长的比值在24至28之间，参数，a=+1或-1，b为+1或-1，径向角度多少度递减，这样能确保所有近原点与原点在x轴正半轴。

此段按K为24计算【时间尺度】从感觉上分布阶段时间长度如下：如果0.5hZ的脑电波，那一代周期为2秒，二代约为48秒，三代约为19.2分左右，四代约为7.68小时，一般一天内能完成，若分布阶被睡觉被关闭，次日会继续流动。五代约为12-13天（睡觉会关闭流），六代约为大约290天（睡觉会关闭流），七代大约19年（存在存疑）。猜测有些人在临终前会回顾儿时形成的一代及二代的状态时的上载事件。

分布阶中在信念后映点自发显现时，三至六代阶段流体正在重复出现，睡着后分布阶脑电信号会暂停，醒后会恢复。分布阶的信息感知建立在能够感知潜意识流信息并会分析其映点显现及信息体关联的基础上。个人认为，十岁左右时，一代脑电波振幅最为强烈！

猜测一下能干扰到意识系统噪音来源：一，精分中的潜意识在白天醒觉时也能通过梦境编辑（极限组合）创作出如梦如幻的声音图像及各种念头等，如幻听幻视幻感；二，神经元间的错误联系及信息体之间同时且同频无关的胡乱关联；三，分子级的布朗运动，以及钾、钠、氯离子及神经递质的风暴。猜测这种会只会导致七代的信息流因受到信噪的淹没而逐渐难以感知。我认为根本没有七代。

在8至12岁人格建立时，信念（即完全相信的信息条段）会在潜记忆中以分布阶段为生长模式。实际上，35岁之前都存在这种模式。若以普通信息（非信念的）为一代，则与显知信息关联交互信号没有那么强烈。再加上分布阶一代低于0.6hZ，若不仔细注意，不被注意并放大，就很难再感知到二代的信息流。但是，三四五代的信息流总是能够被感知到，因为它们的频率在可感知的范围内。

信念是指100%相信并坚持执行的命令级信息。这里的“100%”就意味着它每次出现都会指导人的思想和行动的方向。

一代出现规律：1.当重大信念出现或改变时；2.潜意识层需要时时过滤当前的显知信息，自发地重复涌现当前的各种一代信念信息体，会反复检验筛选当前显知信息，从而产生隐匿思维及可显待用思维，纠正外感信息原偏向，调整其趋利避害向，以适应当前的自我人格、性格、情感、情绪等。

注意在信息体中，信息层主要为信息内容及属性特性等，是最上一级。情愫层是中层，主要是此信息体的感觉、感知、想像、关联像、历程像、趋利避害像、记忆像等所相汇图像及感觉。绪愫（程序）是最底层，主要负责信息树的生长、流中扩展、与它体交互等。

记忆片断间、感觉像间、感知像间、脑海图像间的相似性自发关联。这些关联都在潜意识中隐藏运行，且不允许被显知出现。因为一旦被感知到，人就会产生似曾相识，曾经预见过的错觉。

潜意识的词汇关联时只重图像、重感觉、重想像关联，前边这几个是靠情愫关联的。潜意识不重意思关联（信息内容的逻辑关联）。

下意识才重意思含义关联的信息。基址逻辑层才重隐逻辑关联及思维前后串联关联及上下文串联关联的。能干扰到

分布阶上的树受情绪情感意愿意向等的趋势趋向引导下的情愫（感像）随机关联树造出需求词段。

分布阶段的信息流是一种潜意识的可以显现、可以感知的信息情愫流，它并非思维、并非情感、并非思想等高显知的，而是其底层来源及支撑。

设倍增常数K=28，设一代时间周期为S=1\/0.5hZ（类δ波K复合波睡眠波）=2秒。这是赫兹递增、振幅递减的过程，睡着时关闭，醒来后继续。对这种倍周期分叉（自组织结构）遵从一种对数关系。

例如，当二代无法以一代为源信号模板，把上代时长倍增K倍，同时会慢放K倍。二代的上载信息隐性较强（二代信息内容感知起伏感很弱，但情愫感即情感起伏感是大于了信息内容感知）。应该是二代、四代、六代与当时内外信息流（睁眼后外感信息流和内感知及思维信息流）的信息关联糅合的结果。而偶数代默认具有很强信息内容隐匿性。注：信息糅合关联并非两个波的干涉或合并，而是两波内的信息体串联组成隔一跳模型。

最伟大的算法之一，快速傅立叶变换15播放·0赞同视频

假设：设倍增常数K=24，d为代数，S为代时长，公式为S=1代时长xk^(d-1)。使用快速傅里叶采样法。

设一代持续时间为S=1\/0.5hz（类δ波或K复合波）=2秒。赫兹值不变，振幅递减一半；睡着时关闭，醒来后继续；还有一种可能，即模板频率（分布阶流）每升一代，频率增加一倍，同时模板振幅递减一半。

以下数据仅为猜测，并非真实实验数据。

代名(d)

模板频率hZ

模板振幅

时长S

设K=24

或K=28

可显信息占下意识感知流‰

一代