数理逻辑，量子层次的运算—形式逻辑符号化（语言）
语音识别启示我们可以利用深度学习来使用大数据逼近专家的知识网络结构（本征的组合）
人工智能，基于知识的系统性的连接构造，搜索路径短，匹配程度高；实际上模仿自然界的自然选择的物种构建过程，根据中值定理，总会存在符合我们需求的一个最佳值
组合的爆炸性增长可以结合广度和深度来层层约束—基于经验可以快速收敛（本征路径的接近度，构建模糊逻辑）
数据的爆炸性增长则允许我们能找到不同层次的本征，构建成为一定的模式
万物互相连接使得互联网思维成立，不同维度的耦合使得专业化的知识可以被普遍接受，只是需要一定的媒介，如知乎，用户也是系统的一部分
数据库的匹配---神经网络的构建（推理机）---知识库的构建（可以通过经验输入，可以输出解释）
按照一定的模块（title，abstract，method，introduction，conclusion），网络的不同层次的本征求解的层层深入是概率的选择性表达，有一定模式的表达，里程碑的存在是关键节点，研究就是我们根据以往的经验得出的本征的路径连接
网络的本征作为可以观测的指标，如同图灵测试
本征是一种近似，通过界限的确定，能够以贝叶斯网络的概率求解限制组合爆炸性增长
组合的爆炸性增长需要一定的本征来约束，逻辑是一种已有知识的可靠链接方法，分布是更高阶的存在，如同微积分是对变力的研究
大背景—小背景—问题提出（数学语言描述，已有模型选取，目的确定）—方法选择—效果达成：选择性表达的本征，网络的性质
整个学科的网络是各种本征的逆向求解
语言的基本单位，域。层次的不断遍历从而升维，层次之间的相似性/模块化导致的统计的网络运算
规则即知识，规则之间通过匹配度确定次序
建模语言：深度学习，要有一定的大数据，然后才可以谈论路径的优化
特征点的组合和动态变化，其一定的收敛的边界是一定的模式
具体物体的多层次分化101010111001是低效的，这是树状图的本征，不同层次的收敛
神经网络强调层次结构，不同层次的本征内部是网络，层次之间的连接也是网络
感知—理解—决策，反射弧的形成，是网络的本征，但每个层次都可以映射为次级网络，可以有反馈的调节机制，从而可以学习提高
一种新的语言：神经网络
专家系统生成工具和辅助工具：LISP，PROLOG
多逻辑的网络式的对应，构建概率的表达
调查问卷就如同专家系统的输入和选择性输出（依靠组合），以调查问卷的形式（单选，多选，数值，是非），形成网络的结构，当矩阵的网络与现实物理接近时，可以视为本征
组合是知识网络增殖的前提
网络的多重击中，矩阵打分的路径最优是局部匹配的结果
问题确定—知识获取—模型建立—实现阶段（编程：知识的形式化，数据库的知识匹配；算法实现）--系统测试和完善及学习（参考知乎，维基百科，用户维护）
知识的组织形式，我倾向于数据库的列表，然后再根据不同程度的匹配形成新知识，现实的知识都是选择性表达的，即使用概率加权
模块之间的逻辑连接
实现才是王道
隐马尔科夫模型的概率的变化，找到一组比较合理概率矩阵，即本征
物理图景的模仿，如能量最低
OEC系统，以对象的层次结构为中心，既是知识也是工作区域（耦合）：域，类，树，串
本质上是构建复杂系统：节点的分化(中心节点与一般节点)和分布（小团体的形成），幂律；新增节点的关系连接的中心节点倾向性和概率性表达（倾向连接高连通区域，但资源有限只能分配到下一级）；网络的本征是路径，其平均路径长度（六度分隔）可以作为收敛半径的曲面积分；聚度是划分层次的一个指标；层次的相对独立性，模式的形成；网络的动态变化，临界的存在，数学的拓扑（节点分布概率的改变）；层次相似性，震荡即共振的形成；统计特性；非线性的微分方程表达，本征的本征也是网络；动力学描述个体的运动，整体靠统计分布描述；自然选择的选择性表达；层次耦合带来的组合爆炸性增长和筛选及收敛为本征路径；基本单元是基本规则，实际操作的物质是各个层次的单元；层次的各个层次的博弈
基本的作用，如同麦克斯韦方程组揭示的关系是我欣赏的耦合关系，对称，有相互转化的关系：散度说明力线的闭合，旋度说明其是高维结构的不同偏导（一生二）；动态的互根互生，抵抗性变化的震荡
其有宏观的性质：电路的霍尔基夫电流/电压定律
数据库，数据的关系连接，可以整理出一定的通路，以回路为一个基本单位，可以对其进行一定的输入从而造成一定的输出
数据的相对独立性，关联性与相似性相关
数据管理对数据进行分类，组织，编码，输入，存储，检索，维护和输出
模式
数据的收集和自动匹配处理，一定的组织的数据结构
建立以数据的序列为导向的概念连接，属性不需要定义，只需要集成
双方的征税的结果在一定的时间周期内会波动到平衡，但时间是一个差异，可以谋利
价格歧视实质是分层。颗粒度
（网络，图像识别，生物进化，概率坍缩，线性代数）
系统生物学要以象的层次来思考问题，这就与图像识别及计算机算法相关。复杂的相互作用网络可以分解为不同层次的矩阵，因而本征值的求解至关重要
特征值，多层次的本征，包括本征的本征
作用本质上是变换，即一个高维的结构于不同层次的转换，基于坐标系（这就有一个相对性和正交的轴）
矩阵的作用与统计相关，即可以作为一种模拟。作为耦合，统计量可以形成矩阵运算，反映一种分布
网络的分布自然而然地制造出分布，然后有层次和层次的博弈，之后是势差的形成，整体作为低熵体，通过与外界交换得以维持稳态（成长与进化）
多层次：平均向量，特征向量协方差矩阵的特征向量，不同层次以贝叶斯公式迭代。人脸识别，则是特征向量的匹配和统计
实对称矩阵的特征向量是常数，与守恒相关
系数的函数项的和，即一种矩阵运算
生理与微分方程耦合，是一种表述的语言
热量变化与电变化耦合
红细胞膜表面带有特异的抗原，血清带有特异的抗体，则是一种奇妙的耦合，是分布的结果
呼吸与循环系统的关系很复杂，不仅有氧，二氧化碳的分压对呼吸的影响（氧分压高呼吸少），还有血压与呼吸的影响（血压高呼吸少），这体现了一种守恒的关系，但这是宏观层次的观测。深入细化，与机体的大脑调节和神经系统调节相关。（延髓是调节呼吸运动的中枢）
呼吸与心跳耦合是因为延髓呼吸中枢与管理心跳和血压的中枢靠近（物理位置的耦合），更重要的是中枢之间的神经联系
生化：多化学反应的集合和整体模式的涌现（源于组合的指数级和选择性表达），网络的选择性表达，概率网络对概率的处理，通过化学反应的矩阵的本征。
机体同样存在不同层次的动态平衡，我们可以通过长时间的变化形成的微分方程理解一个生化反应过程
激素是高维层次的调节，如同下丘脑，垂体等等内分泌部位是重要的本征。
作用相似或相反是一个作用的耦合体，类似原子
量子层次则是如同钠离子通道的开闭带来的离子浓度差即电流变化
生理：节律性的冲动是一种本征，是系统的稳态维持。与肌肉耦合就是机体的节律性运动，如呼吸运动，心脏的跳动（非意识控制）。以反射为基本单位，多层次的感知：外周感受器（血压与化学的浓度）
颈动脉窦有感知血压变化的神经末梢（神经与血管的耦合），血压升高刺激产生的信号传递可以产生最终的反馈，即心血管中枢发出信号降低血压（高维的反馈调节，维持稳态）
颈动脉体和主动脉体是化学感受器，化学成分的变化可以影响信号的传递从而最终影响中枢
交叉灌流使得血压和CO2浓度的影响分离，不同个体颈动脉颈静脉的交叉连接
多重的缓冲机制：血压和呼吸耦合，化学成分的浓度变化和呼吸耦合，都是通过神经的支配，这是网络耦合的一个有趣的例子
拉普拉斯变化的广义函数使得离散变成连续，维度进行变化
节奏是组合的有序组合
搜索是一种匹配
文献调研是多个概率网络的耦合，使得新的idea得以涌现。比如引文网络，是多尺度的运算，依靠数据库的不同颗粒度的匹配
经验的概率改变，这是高维的结构，如幂律定律，马太效应，倾向于高连通量的节点
不同节点的连接是多维度的
逻辑是节点形成关系的一种方式
数学的升维是网络的层次的关系
大规模的组合的最终选择
系统是相互联系相互作用的诸元素的综合体。这个定义强调元素间的相互作用以及系统对元素的整合作用。
1．系统是一个动态和复杂的整体，相互作用结构和功能的单位。
2．系统是能量、物质、信息流不同要素所构成。
3．系统往往由寻求平衡的实体构成，并显示出震荡、混沌或指数行为。
4．一个整体系统是任何相互依存的集或群暂时的互动部分，而‘部分’又是由系统本身和其他部分所组成，这个系统又同时是构成其他系统的部分或“子整体”。
网络的亚层结构是相对独立的，其组合的形式就是一种遍历，使得维度变化（升维，如同原函数）。这些组合是更大层次的元素之间的综合作用，可以表现出周期的行为，如震荡。层次之间的调控，如同物理网络的作用
关系是动态的，也是本源
层次的不断包含可能最终耦合----网络的选择性表达是层次的出现的前提
层次的运算1011101，这是定性到定量。本质上是概率，信息熵。作为信息量的度量，取决于上下文即环境
适应性是新组合的形成
还原论和整体论的耦合就是概率网络
组合的网络性质的耦合，这是动态的过程，在足够的时空尺度有整体性质的涌现，同时在这个过程中存在多种反馈机制，这是层次的博弈的结果，这是能量最低化和熵增的倾向的。
涌现是概率积累到一定阈值，这是网络的结构，其是多重线性结构，即非线性，矩阵
环境的选择是网络的
有效性
系统结构的相对性，动态和静态的相互转化，使用波函数的概念来整体理解。边界等等元件是选择性表达的模块，这是反馈的机制的作用，同时这也是变化的，根据相对关系
对称是重要性质，找到一个点群来描述其对称性
网络的多种力量的冲突，其最终的本征是分布的均值
当层次的尺度深入到量子，就要考虑相对论效应。离散和连续是分维结构，这是层次之间的相似性
蛋白质的结构就如同路径的选择
反馈系统，微分方程，在平衡点附近线性化后，获得了代数特征方程，并以该方程的根作为判断稳定性的依据。劳斯—赫尔维茨判断准则是根据系统特征方程式来判断特征根在S平面的位置，从而决定系统的稳定性的代数判断依据
逻辑如同层次，都是网络的表达
从原因到结果，是组合的不断形成的结果
图灵机程序可以在有限神经元网络执行，建立神经网络模型。
想象是现实的网络的选择性表达，是高维结构
穴位是网络的本征，穴位的组合同样是网络的本征
压痛点是系列的生物网络变化，如同神经-体液调节：血管半径（平滑肌，也与激素等等因子相关），激素，各种相反的效应，网络的自身调节
