天才一秒记住【长江书屋】地址：https://www.cjshuwu.com
鲁少校说道。
“这个算法就叫【关注点整体定义自淘汰算法】吧！”
安静把算法的名字定了下来。
“不过，鲁少校，您们部门在使用这个算法理念的时候，能不能对定义对象的纵深建模同时研究一下？”
林久浩继续加码。
“纵深建模？”
鲁少校没明白。
“就是，当A点与B点是关联的，并且我们在多个时间序列图像中收集了最大关联向量距离为5，当这两个点重叠的时候，我们认为A点与B点形成了5的纵深，可以利用这个条件做立体建模的依据。”
林久浩解释。
“是呀，老鲁，这个世界上绝大部分生物都具备对称性。”
安静也补了一句话。
“哦，哦，明白了，太好了，解决大问题了。”
鲁少校很快就明白了，本来立体建模就是内二实验室的研究内容之一，现在全连接在一起了。
鲁少校的问题解决了，大家休息一会儿，统一喝水，统一去卫生间，军人多了，行动也很统一，休息片刻，会议又继续。
。
。
“该轮到我们的问题了吧？”
安静问道。
“对，你们不关心感应层前端的技术，你们关心的是从前端输入的多种信息源，如何转变为内容描述，对吧？”
鲁少校先问了一句。
“这一点你们做的怎么样？我们现在要开始芯片化信息元编码搜索过程了。”
安静说道。
“我可以告诉你的是，我们已经统一了内容规范，就是我们向你们拟脑层输送的是TAG组模型。”
鲁少校。
“你们现在可以做到，把感应层的内容定义，转化成内容描述，然后直接提起关键字，以关键字形成TAG组关联模型，输出给我们的拟脑层，对吗？。”
安静有点不信。
“对，其实有时候内容是可以跳过的，比如我们直接把视觉的东西用TAG定义，方形、梯形、三角型，多型组合，上下组成等，多角度多层次的感知。”
鲁少校边比划着边说。
“还有颜色、大小、比例等，是不是？有没有初步判断？”
安静知道鲁少校说的是CV视觉方面的，不是NLP自然语言方面的，而CV视觉方面是拟脑思维层与感知层相互对接技术的关键，反而是NLP自然语言处理部分，安静部门已经拥有了最先进的算法，不同规模的多层分级的训练模型。
“初步判断也是用多元关联技术做的，比如一辆汽车有多个特性，而且特性之间有关联关系，我们将关键字在这些关联模型中行走，找出最高命中率的信息元。”
鲁少校慢慢解释着，从话中透露出也使用多元关联拟脑技术。
“这些对象的识别你们也是采用神经元理论，卷积算法完成的，怎么又涉及到我们拟脑思维层的技术了？”
安静感兴趣的问道。
“对象感知基本上采用的是神经元理论，至于卷积算法，其实现在很多视觉处理部分已经脱离了卷积算法范畴，反而是关注点向量定义更有效。
但是，神经元理论及动态特征分析也有不尽人意的地方，例如立体的物体不同的角度不同的成像，在卷积算法中会呈现不同的特征码组，容易被识别为不同的内容对象。”
鲁少校解释着。
“这一点不是靠后期训练可以解决吗？不同的特征码组定义为同一个事物。”
安静说的是，读一个立体实物多个角度产生的特征图像，统一定义为一个事物。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！