写得很好，希望能看到进一步的分析。
----------------------------------------------------------------
感谢支持 现在有一个问题，数据的移动和不移动，对算法的影响真得很大吗？
数据的移动，要经历一个信息传输的全过程。即由信源（数据保存区）通过信道（信息传输系统）到达信宿的过程。对于简单数据，例如像数学计算那样的简单数据（即便是微积分计算来说，其数据对于目前的计算机来说也算是简单数据），数据的移动没有太大的问题。
但是目前我们面临的数据是比数学计算复杂得多的数据。例如一幅图像的数据。它的移动就涉及到很多问题。首先是数据量太大。必须加以简化，于是便产生各种图像压缩技术。但是另一个问题又会随着数据的压缩而出现，就是信息的丢失问题，也可以叫做信息的失真问题。目前很多图像处理技术都是用最小的失真取得最大的压缩。尽管如此，一幅压缩的图像的信息量也比数学计算的信息量大得多。
由于数据要不断移动，数据保存区必须以规整的格式存在，它要与原数据所处位置的格式相对应，才能够保证数据移动后与传输前（但是在压缩后）的相一致。例如目前计算机的结构中，采用统一的存储格式，每个存储单元（字节）八位，每个位允许保存两个值中的一个，然后用为这些存储单元统一编配地址。这样的统一结构，使得计算机中的数字化数据，无论移动到什么地方，都是原来的样子。
但是这统一的格式是以消耗计算机的存储单元为代价的。
我们在前面曾经计算过，如果一个神经元相当于一个存储器的一位的话，大脑的存储容量还抵不上目前中等家庭计算机的内存量（２５６Ｍ）。而这个容量保存压缩图像，即便是一张张排得满满的，也不过几千张而已，而数据的移动处理方式还要为图像的移动预备出空闲的存储空间来。这一切都与人类的识别能力是不相符的。更不用说人脑还要处理比图像重要得多的大量的知识数据。
于是问题又来了：我们分析了那么多数据移动的坏处。那么数据不移动方式一定能克服这个缺点么？ 但是，人们可能无法理解这样一点，不移动数据，那么信息如何传输？一个系统总不能不传输信息吧？再有，就是大脑中的数据是如何形成的？它们总不会都是生来就有的吧？
这就要归功于大脑神经网络建立反射的这种形式了。我们就要从神经网络和反射的建立来讨论这个问题了。
我们还是以最明显的视觉信息传输为例进行讨论吧。在视网膜上，有几十万视神经在工作。但是向大脑传输信息的神经要比视网膜上的视神经少得多得多。面对这种结构，只有两种可能：要么是神经网络继续用并行机制向大脑传输少量的视觉信息，大部分信息不被传输。要么是神经网络把视网膜上视神经的信息编写成串行信息，由数量较少的传输神经传递给大脑。如果是后者，在视神经解剖中就应该发现特殊的编码神经元，在大脑里就应该发现特殊结构的解码神经元。但是目前生物神经学没有提供相应的实验报告。目前的大量实验反而表明，神经元的结构大体相同。这就意味着，后一种方式是不存在的。
因此，视神经信息传输最大的可能是。由数量元少于视神经的传输神经，传输很少的视觉信息到大脑。其余的视觉信息则不进行传输。
我们再就此进一步思索，这种传输方式意味着什么？它就意味着，神经系统的信息传输只能以不断简化的方式进行。这种简化，显然并不符合移动数据的要求。移动数据要求数据原样不变，这种传输信息的方式显然会使数据在移动中改变。
但是我们从大脑操作看，这种在传输中对信息的简化，正是大脑操作中抽象操作的特点。如果把抽象也看成是大脑的一种计算方式的话，那么，信息传输中的简化，正是抽象操作的结构基础。
由此我们得到了答案，神经网络是用简化信息的方式，由外层（感觉层次）向大脑传递信息的。大脑得到的数据不是外层（感觉层次）获得的数据，而是被简化改变了的数据。
然而，我们还需要解决的是，神经网络究竟传输得是什么信息？它对大脑中的数据形成有什么影响？ 路过，UP 由此我们得到了答案，神经网络是用简化信息的方式，由外层（感觉层次）向大脑传递信息的。大脑得到的数据不是外层（感觉层次）获得的数据，而是被简化改变了的数据。
--------------------------------------------------------------------------
简化？说得轻巧，问题的关键就在这里！怎么简化？ 向楼主学习
页:
1
[2]