人工智能基础，我的看法

这篇文章是我对人工智能的探索，与现在主流的观点不同，仅供参考。

首先把神经元网络简化成图1的样子。神经元里边可以储存信息，x是输入神经元的数据，x’是神经元里边储存的数据。Δ是差的绝对值的和，最后，y取一次函数，当Δ=0时，y=1，当Δ=3时，y=0。Δ=0表示输入值与记忆值完全相等，此时y应该为1，表示激活。

经典神经元网络把数据储存在连接上，即连接的权；在我的看法中，数据储存在神经元内部，且一个神经元可以储存多个数据，用x’,x"等区分。对应的y’,y"等，取最大值作为y的输出。

网络规模扩大后，加权成了必须的，避免神经元之间过多的影响。给Δ的各项乘一个a，a是介于0到1的小数，或是非0即1的。

有二次学习，即确定a的值以后，把介于0到1的小数，转化成非0即1的整数，过程大约是一个四舍五入，小于0.5的变成0，大于等于0.5的变成1。经过这样的转换，网络结构就确定了，然后进行二次学习，确定x’的值。