水岸长桥的个人博客分享 http://blog.sciencenet.cn/u/whatsothus 力所能及,至微至远,无可替代,至善至美。让学习成为一生成长的快乐习惯!爱我的不要停,恨我的请继续...

博文

再论地球系统观(监)测体系全息度话大数据时代谈深度学习与机器证明聊信息挖掘力之全息设计基础(一)

已有 115 次阅读 2020-7-29 15:58 |系统分类:观点评述

引子     深度学习      遥感     海洋    环境    动力过程    生态    海岸带   认知   开发   保护   高科技本质   传感器    多尺度  动态   效率    体量    仿生   仿真   学科与技术体系   模型   高效稳定   精细精准   智能智慧


地球系统   多层次   多尺度   多变量

海洋子系统功能   

临界  环境气候控制和调节器    服务  食物与资源     功能   空间   连通性   运输途径 产业发展

认知   开发与保护 

观测   遥感卫星  传感器数量  覆盖度   

分异信息    体量   效率   动态     

信息挖掘     真值驱动   识别提取  诊断检测   分类区划   特征关系  多层处理  全局整体   深度学习    

系统仿真技术  模型   物理建模  统计建模    性能价值体系 高效 准确 稳定

全息设计    物理机理   机制网络   模块化定制   广普应用   通用验证    融合标准   适应修复   自动最优   导向约束   泛化稳定 

全息数据信息挖掘

顶层设计(关键)   观测体系全息度    确界分析   路径行为   归因分析  通道预测   引流转化   

大数据采集:链路增长体系   多维闭环迭代    全域实验   流量圈选   互斥实验   全息相关滤波器

深度学习要点:

准确识变   科学应变  主动求变

全息精气神    精细精确识变    精准精巧应变   精深精进求变

全息精要    个体分异   自体相似  中心确界  整体融通  多度临界  多向通道    重组重演     仿生仿真    生息万变    自强不息   止于至善      

宇宙大脑   全息人生     运动   安全  健康    适合  适度    坚持    执念    执行    应变   效率    

错误场合   配比   匹配    调和    调谐   协和    和谐  

导引

    有价值的信息称为知识,知识的获取过程称为知识发现,而机器学习是知识发现的主要手段。

    作为知识发现主要手段的机器学习,其核心是学习。关于学习迄今为止还没有一个精确的、能被大多数学者公认的定义。究其原因,一是因为进行知识发现问题研究的学者来自各种不同的学科,有着不同的知识背景,对具体问题有着不同的理解。二是因为学习是多侧面、多角度、综合性的心理活动,它与记忆方法、思维习惯、感知行为等多种心理和生理活动都有密切的联系,人们至今还没有准确把握学习的生物机理与实现过程。目前在机器学习领域影响较大且具有较大认同的观点是:学习是系统中的任何改进,这种改进使得系统在重复同样的工作或进行类似的工作时,能完成得更好。机器学习的研究内容就是如何利用计算机来模拟人的学习行为,使其能自动地通过学习来获得所需知识和特殊技能,不断提高实际智能系统的性能,实现智能系统的进一步完善和功能的提升。


    机器学习的理论和方法从提出伊始,就被认为是挖掘大量复杂数据的运行模式和数据相关性的有效方法之一。近年来机器学习已开始应用于智能预测和推断,显然利用机器学习方法也可以对动态系统的演化过程进行分析、总结和归纳进而发现知识,所获得的知识就可以用来预测系统的演化趋势,由此实现对系统行为的干预和引导。通过机器学习方法所建立的实际动态系统演化模型均可以通过学习,不断完善系统内部各因素之间的复杂、非线性、强关联的因果关系。


知识发现的常见结果有以下5种。

1)广义型知识(Generalization) 广义型知识就是通过对数据微观特性的概括和抽象,获得的能够表征其普遍特性的、高层次的中观和宏观知识。

2)分类型知识(Classification& Clustering) 分类型知识是指利用决策树、统计、神经网络、粗糙集等分类方法从半结构化或非结构化的海量数据中提取出的同类事物共性特征和不同事物差异特征的知识

3)关联型知识(Association) 关联型知识是通过在项集中寻找频繁项集,进而生成强关联规则的方法,获得的反映事件之间依赖或关联关系的知识。

4)预测型知识(Prediction) 预测型知识是通过利用统计、机器学习和神经网络等方法,建立各种回归模型,对具有时间序列特性的历史及当前数据进行分析计算,预测未来发展趋势。

5)偏差型知识(Deviation) 偏差型知识是通过对同类事物的聚类分析,根据离群值获取标准类之外的特例,从而得到差异和极端特例的中微观特征描述。

知识发现的常用技术方法如下。

1)传统数理统计方法 利用数理统计知识,对数据集建立各种随机模型,进行相关性分析、回归分析、主成分分析和贝叶斯估计等。

2)神经网络方法 神经网络方法是通过模拟人脑,利用神经元之间同时相互作用的动态过程来完成信息处理的生物过程,仿照生理神经网络结构构造一种非线性预测模型,通过使用历史数据对模型进行训练,达到模型对某些特殊模式的识别和判断。


3)决策树方法 决策树方法是首先利用归纳算法对训练样本集进行处理,生成分类规则和决策树,然后使用测试数据集校验修正决策树,逐步得到较为完善的分类方法。

4)遗传算法 遗传算法是一种基于生物进化理论,模拟生物进化的选择、交叉及变异的迭代过程构造的一种优化计算方法。

5)近邻算法 近邻算法是指在决策系统中,当系统需要预测未来情况或进行决策时,系统自动寻找与当前情况相近的案例,从中进行筛选,获取最佳的相同解决方案。

6)粗糙集方法 粗糙集方法主要用于对智能预警系统中的不完全或不完整信息进行描述和处理,通过发现不准确数据或噪声数据的内在关联结构,对其进行分类。






image.png


全息理论语义转引一物质能量信息流之信息哲学与信息高铁

       全息视角是信息理论发展的终极目标之一。改革开放初期,多以其宽泛性语义而被套用,通过科学性定义,全息不失为一个好概念。(一个科学新领域——开放的复杂巨系统及其方法论 钱学森、于景元、戴汝为)。字面理解,全息指“事物在空间和时间上的全部信息”。我们日常生活中说的全息照相、全息投影均带有这方面的意思,比如说全息投影技术(虚拟成像技术),就是指利用干涉和衍射原理记录并再现物体真实的三维图像的技术,全息投影技术不仅可以产生立体的空中幻像,还可以使幻像与表演者产生互动,产生令人震撼的演出效果。

    语义运用上,全息概念大体运用在土以下五种情景下:

   一、光学领域。“全息照片”——一般照片只能看到物件一个角度的影像,但全息照片则能提供可以无限多个角度观察的立体影像。其形成原理是利用光学的衍射原理,在全息照片的底片上纪录单一频率的光束照射到物体上反射出来的衍射波纹。观看全息照片时,需要用与纪录影像时相同频率的光波照射到全息底片上,方能产生物品的影像。因其构成的特殊性,“全息照片”(实际上就是纪录衍射波纹的底片)有个特性:如果将底片打碎,利用底片的任何一个碎片都能还原出该物品的整体影像。——由于这一特性与全息论认为的“机体的每一个局部都是整体的缩影,贮存着整个物像的全部信息。”的意思一一致,因此该理论被冠以“全息”二字。光学上的全息理论也是当今光学一新领域——“二元光学”的基础。

   二、张颖清先生提出的全息胚理论认为,生物体上每个相对独立的部分都是整体的缩小,植物的枝和叶在本质上是同一种东西,它们都是生活在植物体本体上的特化了的新植株,即“全息胚”。而分枝上又可多次分枝,从而分枝全息胚又可由多级别分枝全息胚组成。分枝上的叶这一全息胚又可有多重裂片或多重小叶,这样多级别的全息胚,最后组成植物体最基本的单位——细胞,又可被看作是最小的全息胚。也就是说,一株植物是由共生的多重全息胚组成的一个无性繁殖系列群体。

   三、数学或哲学性质。分形理论认为,系统具有“自相似性”和“分数维度”。分形是指一类无规则、混乱而复杂, 但其局部与整体有相似性的体系, 自相似性和标度不变性是其重要特征。体系的形成过程具有随机性,体系的维数可以不是整数而是分数。它的外表特征一般是极易破碎、无规则和复杂的,而其内部特征则是具有自相似性和自仿射性。自相似性是分形理论的核心,指局部的形态和整体的形态相似,即把考察对象的部分沿各个方向以相同比例放大后,其形态与整体相同或相似;自仿射性是指分形的局部与整体虽然不同,但经过拉伸、压缩等操作后,两者不仅相似,而且可以重叠。综上我们可以知道自相似性即是指物体的(内禀)形似,不论采用什么样大小的测量“尺度”,物体的形状不变。如树木不管大小形状长得都差不多,即使有些树木从来也没见过,也会认得它是树木;不管树枝的大小如何,其形状都具有一定的相似性。分形和宇宙全息论它们的一个共同核心思想就是部分与整体之间的相似性。全息的定义是部分与部分,部分与整体之间包含着相同的信息。任何系统,甚至整个世界中,普遍存在着部分与整体相似,部分蕴含着整体的信息。

   四、物理学家大卫.玻姆(DavidBohm1917-1992)提出的可以称为降维的全息理论。玻姆引入了隐缠序的观念,即“任何相对独立要素的内容,都包含着一切要素(即存在总体)的总和,犹如一张折叠纸的接触点可以包含着纸展开时所展示的总图像的实质关系一样。”玻姆的经典著作《整体性与隐缠序——卷展中的宇宙与意识》中描述的核心思想是:在宇宙与意识的各个显层面上,依据“差异的相似一相似的差异”法则形成种种显析序,进而呈现出各种相对稳定的显结构,但它们只在各个有限的经验域内才是真实的。在更深更广的各个隐层面上,显析序将消解于隐背景的隐缠序之中,呈现出万事万物之整体性;内涵更深的显析序将在隐背景中浮现出来,从而形成崭新的、概括力更强的显结构,然而,新的显析序必将消解于更深层的隐缠序之中。宇宙、意识以及它们的整体,就是在这种卷入一展出的完整运动中演化着,这个过程永远不会完结。玻姆认为,隐缠序可以很好地解释超距作用的原理,能够对量子理论所隐含的物质新属性和意识的能动性以及意识与物质的关系,给出一致性的说明。 玻姆的理论后来被发展成全息论,即“宇宙是一个不可分割的、各部分之间紧密关联的整体,任何一个部分都包含整体的信息。”,因此玻姆被认为是现代全息理论之父。

   为了便于理解,玻姆用“鱼缸里的鱼”来做比喻:在一个长方体玻璃鱼缸中放进一条鱼,两台相互垂直的摄像机"观察"鱼的活动,图象直接在两台电视机上播放出来。在电视机里我们可以看到,"两"条鱼分别作着方向相反、速度相等的游动。如果其中一条鱼的状态改变了,另一条鱼的状态也立即随之改变。玻姆以此展开对超距作用的解释:"两个同谋粒子应当被视为同一六维现实的两个不同的三维投影,在三维空间看来,二者没有相互接触,毫无因果关联;而实际情况是,两个粒子之间相互关联的方式,非常类似于上面所说的鱼的两个电视图像之间相互关联的方式。因此普遍地说,隐秩序必须被扩展到一个高维现实,这个高维原则上是不可分割的整体,其包含整个具有其全部‘场’和‘粒子’的整体宇宙。于是我们必须说,全运动在高维空间中卷入与展出,其维数实际上是无限的。”在玻姆所构想的宇宙的本体论图景中,宇宙真空的高维隐秩序被激发而展开和投影为三维物质世界的显秩序,而这种物质显秩序又不断卷入为宇宙真空中的隐秩序。用简单的话说,就是我们肉眼直接可见的三维物质世界的独立个体,实际上是更高维整体的一个投映,我们由于不能理解更高维度的整体性而误以为我们所看到的一个个人或物是独立的个体。(整体性与隐缠序卷展中的宇宙与意识 P205)

  五、黎鸣提出的全息逻辑理论认为,道生一,一生二,二生三,三生万物,万物负阴而抱阳,冲气以为和。道的含义是:“自然、规律、原理”。一生二,二生三,三生万物的含义是:“三元论”。形式逻辑的本质是一元论,一元论必然产生形式逻辑。辨证逻辑的本质是二元论,二元论必然产生辨证逻辑。三元论所产生的逻辑应该定义为“全息逻辑”。全息逻辑必然包含辨证逻辑与形式逻辑。万物负阴而抱阳,冲气以为和的含义是:“阴是指隐形,阳是指显性,气是指中性”。这一理论从道德经里推出。

     信息哲学讲全息理论可从两个角度来理解。一、静态上,信息均匀分布会导致信息消失,全息系统中的信息传递量为0,绝对的全息系统会解体、去系统化,是不存在的。全息仅是一种哲学上的终极理想状态,即任何一个子体和系统关系的权重是非等同的。二、动态上、要从全检索角度来理解,如果检索的对象是系统中的全部数据,那么得出的结论就是全息的。动态信息如果传递速度为无穷大,或一个无穷量的信息传递,一瞬间就可以实现信息的动态分布,也即全息。全息作为信息传递的结果可被纳入信息哲学的传递部分进行论述。并对其进行推导,理顺反熵运行,信息化,全息化三者之间关系。

   ①在通讯理论中,信息熵=信息量=消除掉的不确定性。熵=混乱程度=不确定程度=-信息熵。所以信息熵=负熵=反熵。于是我们可以在这个层次简称信息等于反熵。②按照信息哲学基本理论信息可以分为传递、转换、施效三个层次,所以信息化可以认为是信息的传递高效化、信息的转换智能化、信息施效直观化这三者的统一。也从信息传递层次说明了反熵运行=信息化。   ③要想保证信息的高效传递,信宿与信源之间的不确定性要大(信宿与信源之间的确定性如果为一,事件必然发生,则传递的信息量为0),即信宿与信源之间的熵要大。信宿与信源之间的熵越大,信宿与信源之间的差异就要越大,信息要向差异最大的地方传递,才可以提高信息的传递效率。当信息传递越高效,传递的信息量就越多,信宿与信源之间的差异也缩小的越多,整个系统就显得越均匀,也就越接近我们想要的全息系统。由此,信息的高效传递,可以促进系统全息化。要想保证信息的转换智能化,信息的检索与处理方式要先进,越智能的系统越接近全息系统。信息化在一定意义上和全息化是等价的。

转引  A-03-传递中的信息 




http://blog.sciencenet.cn/blog-3278564-1240988.html

上一篇:全息论中尺度过程与风险传递和转移谈环境治理与生境生态修复讲人工与自然效能话临界谐同调制之最优数理路径选择(一)
下一篇:穷理致知反躬践实-科技创新逻辑自省谈意识层次论构造学方法实质本质之信息镜像仿射聊智能行为模式智慧化表达之构造分异非对称性

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-9-22 18:35

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部