余东林提示您：看后求收藏（188小说网网wangyingbao.com），接着再看更方便。
独立层次
基本模块：不同层次的划分，然后是大规模的矩阵运算
专家系统，人工智能，人机思考
数据库：模型，编程
知识，作为经验，是贝叶斯网络的迭代前提
数据库的信息查询，通过一定的逻辑组合得出新变量的关系，也可以通过一定程度的匹配和统计
数据可视化是象层次的运算，以人能够理解的方式，以一个比较大的颗粒度，利于信息的传递，以比较大的效率。同时这是一种高维数据的提取，或许有一定的模式涌现
相对的数据关系，不同层次的相对比例是高维的关系
破缺是更大层次的耦合的前提
高高低低的意义是网络的整体变化，不同的处理的结果不同，我们要探索高维的结构，这可以从足够数量的不同时间来替代单位时间的足够数量的变化。如特定的变化之间的相关度（疾病与一定分子浓度的关系）。结合ph软件的图像集合的思想，我们生物医学方面的分子作用（如同图像的基本单位）可以重构成为完整的网络。每一次拍照都是一次观测，多次观测的集合根据一定的相似性来建立一定的连接序列，即一定的全景，这可以参考基因组测序
复杂系统的不同层次的投影，即化繁为简，这是还原论，接下来的组合就是整体论，即选择性表达
结合生理知识，建立生物式的专家系统（领域，词汇，规则）
知识是大规模的数据形成的经验，知识的描述是不同功能的匹配，语义网络是一个整体性的模式，规则是一定的简化的本征，如同逻辑
生命活动的新陈代谢（交换），兴奋性（响应变化）和生殖（生长发育的阶段）。阈值是矩阵网络的运算的一个本征
一切都是概率的语言，每个步骤的推理都有一定的可信度
图形化规则语言，处理事实和关系：属性谓词和值
是非型10100101的网络的整体本征是信息，也可以划定一定的范围的离散或连续的值
复杂规则的集合，如同有一个经验丰富的专家的大脑在推理机里面
语言—函数—函数的调用
cf范围决定方向的进行，上下文的定义可以与代谢的网络相似，不同概率的联系
规则库是模块式的，是一个原子，其逻辑的判断可以形成矩阵，并与其他矩阵耦合
我偏向于数据库的相似性匹配构建的关系网络
列表处理是lisp语言的明智之举，这是大规模数据运用的基础；物理的原子思想的引入是模块化的基础，也是物理的统计定律的运用之初
数据结构：栈，队列，链表，树，并查集，堆和图
算法：排序，枚举，深度和广度优先搜索，图的遍历
网络的数学形式是各个层次的共存和再生，这是模拟自然和社会的自组织结构。层次可以处理为各种群，群的联系方式是通路还是交换，我觉得是共存的也是竞争的，都是网络的选择性表达。网络的各种不变量是本征的
