Bz_______的个人资料

模拟人类智能在学习学中的应用？我们提出“思维在学习中依层次生成假说”和“第六代电子计算机” 两个新理论。表面看，它们已超出学习科学讨论范围，但前一假说提供了学习中改善思维的依据；后一理论则可用以设计许多学习实验。（《论“学习学”的理论框架和主要内容》）简单地说，我们怎样利用”第六代电子计算机” 理论进行学习学实验？

是否存在[0,1]上的Hausdorff维数为1且Lebesgue测度为0的集合？或者盒维数为1且Lebesgue测度为0的集合？

【水】Monte-Carlo Markov Chain 刚才的帖子描述有点问题，这回重新发。

Liu Wen's function http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.sciencedirect.com%2Fscience%2Farticle%2Fpii%2FS0362546X11002860%3Fnp%3Dy&urlrefer=6a9c7edea41613a019a4ce3438fc9293 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.ual.es%2F~edeamo%2FPDFs%2520de%2520las%2520publicaciones%2F&urlrefer=9a170f0c8f150b6a97f30f1dc1a05099(2011)%20MR2810690%20Takagi%20Level%20sets%20at%20Nonlinear%20Anal.pdf

讨论：机器学习算法所需要的运行时间对100x100的图片进行二分类，10中心（5正5负）的gaussian mixture model（gmdistribution.fit）用时0.75秒*，10神经元的神经网络（train函数）用时9秒*，但是GMM还是比神经网络慢。为什么？

G合成专用楼此楼用于讨论G合成。

地名测试白玉楼

投票：ruiaijun最大的贡献是什么 1.反射算法 2.自编程算法 3.四大学习过程 4.智能元操作 5.（想到什么可以自己写）

课题：细胞自动机与对称性参考：http://tieba.baidu.com/p/4477362287

Sampling techniques such as REINFORCE? There are no networks that do ordinary backprop through argmax (since the gradient is degenerate / useless). The training of networks that have argmax (or similar) in their equations must include something other than backprop - sampling techniques such as REINFORCE (generally: harder to train). argmax could potentially become differentiable if you could come up with soft version of it (i.e. use probabilities instead of setting hard 1s and 0s). otherwise you need to used reinforce. Argmax is not continuous and can't be used with standard gradient descent techniques. If you want to use it in neural networks (e.g. in "hard" attention models) you typically have to use some kind of Monte Carlo optimization algorithm, such as REINFORCE. （以上文字见http://tieba.baidu.com/mo/q/checkurl?url=https%3A%2F%2Fwww.reddit.com%2Fr%2FMachineLearning%2Fcomments%2F4e2get%2Fargmax_differentiable%2F&urlrefer=1a5c482986eb6184c8f73e96983b21df）这里的REINFORCE是不是Ronald J. Williams的REINFORCE算法？它又如何运用于含argmax网络的训练？

介绍：Ice-9

CopperSearch分布式计算计划想必大家都知道我的c/6飞船计划吧，这回Alexey_Nigin发起了一个新的分布式计算计划，用于寻找飞船。

反射算法专帖本帖用于讨论反射算法。

为什么“反射算法”中不使用连续数学？ @ruiaijun

【水】【转】为什么机器能够学习？

【讨论】模拟人类智能程序的研究方法个人观点： 1.不能先抱着机器学习（神经科学，性能测试等）的观点来学习ruiaijun的理论，应该将ruiaijun理论当做一个全新的理论研究。 2.无论多少个演示程序也组不成智能，为了得到智能，我们需要把智能体放到适当的环境，让它发展出智能。游戏也许是一个合适的环境。 @建设西路东口 @囧乐乐day

讽刺意味好强

Project CASCA专用讨论楼

数据流加法器

寒假作业求支援 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.sojump.com%2Fm%2F7129144.aspx%3Fpvw%3D1&urlrefer=b42b2d4428020a8fd99ada79b57025e2

寒假作业求支援 http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.sojump.com%2Fm%2F7129144.aspx%3Fpvw%3D1&urlrefer=b42b2d4428020a8fd99ada79b57025e2 最好不要捣乱

求极限

【水】翻译贴一楼滑翔机

关于Lifelong Machine Learning Lifelong Learning: The learner has performed learning on a sequence of tasks, from t1 to t(n-1). When faced with the nth task, it uses the relevant knowledge gained in the past n-1 tasks to help learning for the nth task. 就是说，一个具有Lifelong Machine Learning能力的机器学习系统可以使用解决之前问题的相关知识帮助它解决它所遇到的问题。如果将这类机器学习系统进一步发展，问题是否解决仅作为是否学到知识的判定方法：系统在问题解决之后将自己结构的改变算作知识。这是否与你的“学习一个系统在人类环境中，使系统的智能从无到有的过程”相一致呢？ @ruiaijun

介绍：高周期飞船先给大家一个问题：这个飞船是如何找到的？是通过wls或gfind下周期为9的搜索找到的吗？

如何非构造性地判断函数方程有没有解？在《函数方程及其应用》中有这样一个判定方法：方程f(x)=f(g(x))的解是f(x)=g(g(g(g(...g(x)))))，如果g(g(g(g(...g(x)))))存在。有非构造性的判定方法吗？就像定理“f连续，f(a)f(b)<0，则f在(a,b)上必有一根”一样。

可否用泛结构论实现无监督学习？无监督学习是用函数描述数据中隐藏结构的机器学习方法。泛结构论作为描述事物结构的理论，可否运用在挖掘数据的结构上？ @ruiaijun

Which way do you think this dice is rotating?

[水]生命游戏领域分类 (by Tropylium) 1 工程 1.1 滑翔机合成（不怎么懂） 1.1.1 滑翔机的"色"与相位,和反射器有关 1.1.2 通过同向滑翔机进行合成（参见golly下life/syntheses/slow-salvo-eater-recipes.rle） 1.1.3 一次性反射器（比如 3bo$2bo$2b3o2$2o$obo$bo!） 1.1.4 用枪（gun）进行合成 1.1.4 用rake（不会翻译）进行合成 1.2 SC 1.2.1 P30/P46 SC（可以参考 http://tieba.baidu.com/p/4018876242 和 http://tieba.baidu.com/p/3893905912） 1.2.2 稳定态SC（比如snark） 1.2.3 通过“导线”传递的信号（参见golly下life/signal-circuity/signal-turn.rle） 1.2.4 novelty-generating feedback loops（不懂） 1.3 飞船设计（与“搜索”相对） 1.3.1 灰船（greyship） 1.3.2 飞船类型（不懂） 1.3.3 Cordership的组合（比如http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.conwaylife.com%2Fforums%2Fviewtopic.php%3Fp%3D14135%23p14135&urlrefer=9e14a9ee9aa92997a4fcc5d397cd7ac1） 1.3.4 广义毛虫建造（比如parallel HBK） 1.4 增长模式 1.4.1 slide guns and tethered rakes 1.4.2 glider gun potimization 1.4.3 最小无限增长图形 1.4.4 不寻常的增长率（比如t ln ln t） 2 动力学 2.1 反应挖掘（不懂） 3 分类 3.1 Oscillator rotors and stators（不懂） 3.2 welding still lifes（不懂） 3.3 de Bruijn graphs（不懂） 4 宇宙学 4.1 稀疏宇宙（不懂） 5 编程 5.1 hashlife算法 5.2 golly+python编程 5.3 SAT求解器 5.4 各类搜索软件 5.4.1 Bellman *5.4.2 Drifter 5.4.3 gencols 5.4.4 catgl/catalyst/catforce 5.4.5 ptbsearch 5.4.6 Hersrch *5.4.7 Randagar 5.4.8 lifesrc/WLS/JLS *6 理论 *6.1 统计特性 *6.1.1 煮汤论（http://tieba.baidu.com/p/4081929737 14楼） *6.1.2 均匀初始态下的统计特性（比如http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fconwaylife.com%2Fforums%2Fviewtopic.php%3Ff%3D7%26t%3D1820&urlrefer=3c6d5789e34738f2ce9fb6cdc3300b32） *6.2 数学特性 *6.2.1 计算可行性（比如http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fconwaylife.com%2Fwiki%2FFermat_prime_calculator&urlrefer=443136ee0d107a250785e67a51de2b0d是否会无限增长） *6.2.2 最大/最小值（http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Farxiv.org%2Fabs%2Fmath%2F9905194&urlrefer=3a9a5995b26e4e65c288bb2e62d08042）

讨论中可能出现的错误（本贴翻译自 Wiki：List of fallacies）

如何通过“原态”发现“拟态”？第五个概念：“态”，泛结构中所有能够独立存在的各级生成元叫做一个态。态就是泛结构的一个事物。例如，中文交流语言中字是基元，词是生成元，词组、句子、段落、章节、文章是各级生成元。它们都是态。而不能独立存在的就不是态，例如半句话，半段文字。这里有一种重要的现象：有些态已经出现，有些态尚未出现。我们把已经出现的事物叫“原态”，把没有出现的事物叫“拟态”。没有出现过的“拟态”是我们发明创造要探索的。－《泛结构论》如何通过“原态”发现“拟态”的问题，也就是如何进行创造的问题。泛结构论如何回答这个问题？ @ruiaijun

水今天miku生日

生游求逆哪家强？别去山东找蓝翔！

泛结构论 by Ruiaijun 泛结构论 by Ruiaijun

自编程讨论贴 @ruiaijun 能否指出一个自编程的具体例子？

Bad Apple in Golly http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.bilibili.com%2Fvideo%2Fav2585839%2F&urlrefer=cdc528f5cdbfe6bd16661c82086539bc

生游版Bad Apple http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fwww.bilib&urlrefer=998815aef259377cee03e7440bd1e197 ili.com/vid eo/av2585 839/

gfind使用教程 gfind是一个飞船搜索程序，可以在http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fpan.baidu.com%2Fs%2F1kTKkd8r&urlrefer=89a58c24e42c7b61d397854272991ace下载到。

A constraint-optimization problem http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fconwaylife.com%2Fforums%2Fviewtopic.php%3Ff%3D11%26t%3D814&urlrefer=5fdcaccc05e9510cd3f6dbcf7632dba6

GVTN project

【水】水 Highlife p3: x = 12, y = 12, rule = B36/S23 b2o$2bo8bo$2bob2o3b3o$3bo2bobo$5bo3bo$3bo3bobo$2bobo3bo$2bo3bo$3bobo2b o$3o3b2obo$o8bo$9b2o! x = 8, y = 8, rule = B36/S23 2b2o$bo$o2bobo$ob2o$4b2obo$2bobo2bo$6bo$4b2o! Highlife p4: x = 11, y = 11, rule = B36/S23 5b2o$4bo2bo$4bob2o$b2obo$obo2bob3o$o3bobo3bo$b3obo2bobo$6bob2o$3b2obo$ 3bo2bo$4b2o! x = 10, y = 10, rule = B36/S23 2b2o$2bobo$4bo3b2o$3b2obo2bo$4b5o$b5o$o2bob2o$2o3bo$5bobo$6b2o!

第一次编出windows程序感觉爽爆了

这个软件是用什么制作的？@COROT_7B @破壁人15号

介绍：WinLifeSearch

练习 1365454324765654

细胞自动机的应用有什么呢？

A pleasant outing Last week, I went for an outing with my classmates. At 7:30 in the morning, we met at our school gate. We went xxx by bike. On the way, we were so excited that we sang loudly. When we arrived there, we started to climb the hill at once. We had a picnic on the top of the hill. After that, we walked down the path and had a rest. Later, some girls danced under the trees and some boys played games happily. We didn’t go back until 4:00 p.m. We were tired but very happy.What a pleasant outing it was!

小游戏

Translating English into English

闲得没事干什么玩APGSEARCH。

问题：反应的系统命名现有如下反应：

推进嘴唇code： #CXRLE Pos=-276,-196 Gen=5097 x = 426, y = 245, rule = B3/S23 55bo20bo$53bobo18b3o$44bo7bobo18bo$43b2o6bo2bo11b2o5b2o$42b2o4b2o2bobo 11b2o$32b2o7b3o4b2o3bobo$32b2o8b2o4b2o5bo$43b2o$44bo$56bo11b2o3b2o$57b o13bo$55b3o10bo5bo$69b2ob2o$70bobo$71bo$42b2o6b2o19bo$40bo4bo2bo4bo$ 40bo4bo2bo4bo10bo$40bo4bo2bo4bo8bobo13b2o$42b2o6b2o11b2o12bobo$76b3o4b 2o$75b3o4bo2b4o$76b3o4b2ob3o$77bobo$78b2o$63bobo$64b2o$64bo13$89b2o19b 2o$90bo19bo$90bobo6b2o7bobo$91b2o6b2o7b2o$102b2o8b2o$95bo6b3o7b2o$95bo 6b2o$99b2o$99b2o4$113bo$112b3o$111b5o$110bobobobo$110b2o3b2o3$113bo$ 112b2o$112bo6b8o$113bo5bob4obo$119b8o6$69bo$69b2o$68bobo$83b2o$82bobo$ 81b3o4b2ob3o$80b3o4bo2b4o$81b3o4b2o$47b2o6b2o11b2o12bobo$45bo4bo2bo4bo 8bobo13b2o$45bo4bo2bo4bo10bo$45bo4bo2bo4bo$47b2o6b2o19bo$76bo$75bobo 50bobo249bo20bo$74b2ob2o50b2o249b3o17b2o$60b3o10bo5bo43bobo3bo253bo15b 2o11b2o$62bo13bo47b2o256b2o5b2o7b3o7bo3b3o$61bo11b2o3b2o44bo264b2o8b2o 5b4o4b2obo$49bo350b2o2bo4bo4bo2bo5b2o$48b2o351bo2bo3bo5b2obo5b2o$37b2o 8b2o4b2o5bo344bob2o3b3o$37b2o7b3o4b2o3bobo351b2o$47b2o4b2o2bobo11b2o$ 48b2o6bo2bo11b2o5b2o$49bo7bobo18bo319bobo$58bobo18b3o301b5o10b2o$60bo 20bo300bob3obo10bo$383bo3bo36b2o$384b3o37b2o$385bo17bo2b2o4b2o2bo$398b 2o2bo3b3o2b3o3bo$378bo19b2o3bo2b2o4b2o2bo$373bo4b4o$373bo5b4o$368b2o9b o2bo$368b2o9b4o$378b4o$378bo8$103b2o$101bo4bo$100bo$100bo5bo$100b6o$b 2o$o2bo$b2o3$74b6o114b6o114b6o$74bo5bo113bo5bo113bo5bo$74bo119bo119bo$ 75bo4bo114bo4bo114bo4bo$77b2o118b2o118b2o8$164bo$164b4o$154b2o9b4o$ 154b2o9bo2bo$159bo5b4o$159bo4b4o$164bo19b2o3bo2b2o4b2o2bo$184b2o2bo3b 3o2b3o3bo$171bo17bo2b2o4b2o2bo$170b3o37b2o$169bo3bo36b2o$168bob3obo10b o88bo20bo$169b5o10b2o86bobo18b3o$184bobo76bo7bobo18bo$262b2o6bo2bo11b 2o5b2o$261b2o4b2o2bobo11b2o$198b2o51b2o7b3o4b2o3bobo$191bob2o3b3o50b2o 8b2o4b2o5bo$187bo2bo3bo5b2obo5b2o51b2o$186b2o2bo4bo4bo2bo5b2o52bo$175b 2o8b2o5b4o4b2obo71bo11b2o3b2o44bo$168b2o5b2o7b3o7bo3b3o75bo13bo47b2o$ 169bo15b2o11b2o74b3o10bo5bo43bobo3bo$166b3o17b2o100b2ob2o50b2o$166bo 20bo101bobo50bobo$290bo$261b2o6b2o19bo$259bo4bo2bo4bo$259bo4bo2bo4bo 10bo$259bo4bo2bo4bo8bobo13b2o$261b2o6b2o11b2o12bobo$295b3o4b2o$294b3o 4bo2b4o$295b3o4b2ob3o$296bobo$297b2o$282bobo$283b2o$283bo6$333b8o$327b o5bob4obo$326bo6b8o$326b2o$327bo3$324b2o3b2o$324bobobobo$325b5o$326b3o $327bo4$313b2o$313b2o$309bo6b2o$309bo6b3o7b2o$316b2o8b2o$305b2o6b2o7b 2o$304bobo6b2o7bobo$304bo19bo$303b2o19b2o13$278bo$278b2o$277bobo$292b 2o$291bobo$290b3o4b2ob3o$289b3o4bo2b4o$290b3o4b2o$256b2o6b2o11b2o12bob o$254bo4bo2bo4bo8bobo13b2o$254bo4bo2bo4bo10bo$254bo4bo2bo4bo$256b2o6b 2o19bo$285bo$284bobo$283b2ob2o$269b3o10bo5bo$271bo13bo$270bo11b2o3b2o$ 258bo$257b2o$246b2o8b2o4b2o5bo$246b2o7b3o4b2o3bobo$256b2o4b2o2bobo11b 2o$257b2o6bo2bo11b2o5b2o$258bo7bobo18bo$267bobo18b3o$269bo20bo!

用化学的观点看待生命游戏

介绍13 B-shuttle

在神经网络训练时加入噪音，能否得到更好的结果？ @click4i