立体神经网络模拟连续不完备系统

按照哥德尔的不完备定理，一个连续的系统就不可能是完备的。就是说这个系统中一定有什么地方是真但不可被证明。而人脑是连续而不完备的，我们造出的机器比如神经网络是完备的，所以神经网络不会有人的智能，无论神经网络基于多大的数据都是对过去经验的总结，比如alpha go虽然围棋很厉害，但应该不会下着下着突然停下来思考下人生。

如果不完备性就是不可证明，那么是否有可能在神经网络中引入不可证明的因素来模拟不完备性。

 
  利用立体神经网络进行建模。为了便于观察只画出了公共权重连接。

这里构建了一个大的模型这个模型的输入信号是也许是来源于DNA的原始的生物信号，输出是一个无理数的某一位，

表示成f（原始生物信号）=无理数。

同时这个大的模型里面有两个小的模型输入分别是听觉和视觉，输出分别是声音和图像。

表示为模型f（听觉）=声音，模型f（视觉）=图像。

因为在没有计算出来之前是不可能知道一个无理数的下一位到底是什么的，当然如果只有1为那只有10种可能，但只要位数足够多比如 π的1百万位后面的1千万位的集合，因为 π 是无理数所以π是否包含了所有的数字组合的答案是可能有和可能没有同时存在，也就是无法被证明。

在模型f（原始生物信号）=无理数经过多次迭代稳定后，会在模型f（听觉）=声音中产生公共权重OQ,OL,NQ,NL。同样在模型f（视觉）=画面也产生公共权重。

利用上一篇的神经网络与条件反射原理，当只有听觉信号输入的时候引起公共权重连接的饱和电信号负载，导致属于f（原始生物信号）=无理数的神经元Q,L被激活，使模型f（原始生物信号）=无理数被部分启动。所以人在听课的时候为什么会开小差的一种可能原理解释是，这是听觉引发某个无理数的神经网络的条件反射。同样我们有时候在一个安静的房间里呆着确好像可以听到声音，也许这是某个无理数神经网络引发的听觉系统的神经网络的条件反射。
将模型f（原始生物信号)=无理数和模型f（听觉）=声音的权重的交集定义为集合crossNQ

将模型f（原始生物信号)=无理数和模型f（视觉）=图像的权重的交集定义为集合crossDE

则这个模型可用方程表示为

f（原始生物信号）=无理数
f（听觉）=声音
f（视觉）=图像
crossNQ ≠ ∅     ，  crossDE ≠ ∅    （两个集合不为空）