物之区别

物之区别

大地有水、陆。陆中有水,水中有陆。生物在水者,以水为生;生物在陆者,从风而化。水者,精也,生命之源;风者,气也,生命之元。行于风水之中者,神也。神者,中中示一也。

万物皆反生,既生而复正。动物生于首,首在上而命在首,故动物之生,头先出;植物生于根,根居下而命在根,故植物之生,根先扎。

禽之制在气,故而乘空如实;鱼之制在水,故而蹈水若虚。陆为阳,水为阴。飞为阳,走为阴。陆地走之生物多;水中飞之生物多。陆之走者体大(如大象、犀牛等);水之走者体小(如虾、蟹等)。陆之飞者体小(如鹰、雕等鸟类,翅膀长),水之飞者体大(如鲸、鲨等,翅短)。水中之草大(如海带、昆布等),陆上之草小。陆上树木高大,水中树木矮小(如珊瑚、琼枝等似树木)。又有介于水陆之间者,如龟蛙之类。

本乎天者亲上,本乎地者亲下。动物本乎天,植物本乎地。动物本乎天,飞者得天之气多,走者得地之气多。故动物之走,以阴为用;动物之飞,以阳为用。

植物本乎地。草类得地气多,木类得地气少。(多少,相对而言。)故植物之草,以柔为用;植物之木,以刚为用。盖乾刚坤柔也。

地气交天,故有足而腾者,龙马之类。天气交地,故有羽而走者,鸡鸭之类。又有草而木者,本地之类,得天之气,如芦荻、甘草之类。又有木而草者,如荼蘼、郁李(灌木)之类。盖物各得天地阴阳刚柔之气有不同也。

凡物禀天地肃杀之气而生者,为食生(肉食)动物。如飞之鹰隼之类,走之虎狼之类。禀天地中和之气而生者,为食滋味(谷、菜、草木)动物。凡动物食生者凶猛,食草者愚蠢。故而世俗骂人曰“草包”者,即指愚蠢也。然鸡鸭之类,则既食谷草又食生,猫犬之类,则既食生又食滋味。

人为万物之灵。既食滋味又食生,凡物之可食者,则无所不食,故无所不能。故而动物与人之相亲近者,亦与人之食性相近。如:猫犬之类。所以,动物又可豢养者,而曰:家禽、家畜。

有不可豢养而可驯养者,而曰:野兽,野禽。两足而翼者,称为“禽”,四足而毛者,称为“兽”。凡动物,八窍者卵生,九窍者胎生。卵生者,下睫接上;胎生者,上睫接下。

天体纵而地体横,东西横而南北纵。动物、植物,得天地之气偏,故动物体横而肖母(地为母),植物体纵而肖父(天为父)。动物有时而可纵,植物枝叶而复横。盖禀天地一气之偏也。

人,生于太极之合一,禀天地之德,阴阳之交,鬼(坤)神(乾)之会,五行之秀气,备天地万物之理于一身,故曰:人为万物之灵。与天地并称为三才。脐者,人之太极,乃人与禽兽之判别也。动物之生,虽有脐带,但无脐眼(神阙)。故天地之中,唯人为贵,故曰:人命关天。人,能纵能横,昼则纵,夜则横,生则纵,死则横。

以声音而论,如:禽兽之声,以其类则各得一偏。飞禽之声清,走兽之声浊。雉鸣中角,牛鸣中宫。(五音:角徵宫商羽)所以,天下之雉(野鸡),鸣叫声相同,天下之牛,鸣叫声不二。推于其它禽兽也无两样。所以,只知声而不知音,(即阴阳五行之气有偏)故称“禽兽”。禽兽虽有声而不能通变其音,人则具阴阳五行之气全,既有声而又能通变其音,故人为万物之灵。

人与天地并称为三才。天地造化万物,人则因万物之体用不同,制而用之,化而裁之,制造各种工具、器物、机械等以利民济物。故可与天地并称为“三才”。但不要忘记,人能为天地所不能(如:天地不会制作工具或机器),不能为天地之所能(人,不会制造迅雷烈风雨露云霓等),例如:虽能用现代科技手段人工降雨,假如晴空万里,烈日炎炎,如何降?故拙作《正理歌》曰:顺天之时,应地之利。岂可违逆自然之理?

物性

物生于天地之中,一呼一吸,一动一静,无不与天地之气相通。舍天地之气运,生物何以生存?

天地合气而生人。兼乎阴阳之理。灵性者,天之神;质性者,地之气。故灵性则有知觉见闻,质性仅分刚柔清浊。天一,灵性也;地二,气性、质性也。人三,为种性、习性、个性也。数极于三,万类斯判。故论灵性,则无不同;论气性、质性,则有不同。至于种性,则物物各一类,万万不同也。

凡含生之属,皆有灵性。人有人之性,禽兽有禽兽之性,草木有草木之性,为气性质性不同也。人之性,人人各不同,所谓个性也。禽兽、草木之性,物物各不同,为种性、习性也。所谓天性(灵性)则一而已。

人之性本乎天,故神。性为生之质,从生从心。是故人生来便具是理于心,方称为“性”。故心性善恶,先天而定。故曰:江山易改,本性难移。善恶之性,在于一念之间也。

情,发于人,故鬼。人欲之为情。感于外物则动情,为后天所生,喜、怒、哀、惧、爱、恶、欲七情,不学而人自能。故而心情好坏,因事物而异。性为心之理,情为心之用。好坏之心情,在于贪欲也。

人,返天性之真则为神;徇人情之妄则为鬼。神鬼之在人身,如形影之不离。故曰:人为鬼之形,鬼为人之影。

夫万物之生成,各具性情形体。性情物物相通;形体各各不同。性情相通无相同;形体不同有相通。故形形相盗,物物互欺。是何机理?曰:亢害承制。

承制歌

老虎吃鸡鸡吃虫,虫吃木棒亦养命。形形相盗物物欺,棒打老虎人操纵。

卜算子

悲从喜中来,乐极则生哀,感物而动生人欲,纵欲必成灾。

祸福本相倚,吉凶亦同在,逆违天理自然凶,神仙也无奈。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值