使用神经网络生成器完成数据存储与数据获取功能
相对于常用的数据库,我考虑到有一种特殊的信息存储方式,应用神经网络生成器来进行不确定存储,以下为存储过程。
对于数据 d ∈ D d \in D d∈D , 存储数据时并不直接存储数据 d d d ,而是存储不确定性生成器 G G G ,由固定算法 F ( D ) = G F(D) = G F(D)=G 得到, G G G 并非固定映射,如可逆加密算法等,而是类似于GAN神经网络中的生成器,且在任何情况下都满足 ∀ G ( x ) ∈ D \forall G(x)\in D ∀G(x)∈D. 这样并不需要存储数据域 D D D , 而是存储生成器 G G G, 尽管每次运行 G G G 所得到的数据并非确定的,但它们均是 D D D 中的一个数据。 G G G如果是固定映射,这种存储方式就是关系式数据库, G G G也可以是包含偏向性索引的生成器。
暂时没有想到这种存储方式有何用途,并且如何得到固定算法 F F F 我也暂时没有思路。
不过在制作地牢游戏时(地图随机生成),我们会使用一些前置数据/规则来通过算法 g g g生成每次游戏的地图,不对地图本身的数据进行存储,但生成器是简单的算法,而不是神经网络。
之所以想到这种存储方式,是因为考虑到人类群体的知识传播方式,与这种存储描述的过程类似:并非每一个Client都需要数据域中的所有数据,每个Client均有自己的数据获取偏好,他们所记录的生成器 G ′ G' G′ 在获取数据后更新自身权重(有点像把推荐算法和数据库融合在一起)。