第二章 程序的优化 (第2/3页)

个模块，又通过一星期时间的调试。算是完成了这一步，按照王石的估计，这下连接的数目增长方式可能会变成线性增长的方式。因为，对于单个神经元来说，连接的数目最大数是按照使用频率的来确定的，使用频率越高，那么可连接到其它神经元的连接最多的数目也可以更多，这从整体上限制了连接数目暴发式增长的可能性。但是为了消除由于设置这个限制的影响。这就有必要考虑这个连接的取舍问题。若是由于不加考虑的随便取消一个连接，则将会导致整个系统的逻辑混乱和失去稳定定性。

    举个例子，比如说，一个人的关系网，一个人上有爸爸妈妈爷爷奶奶，旁边有老婆，下有儿子女儿孙子孙女，还有兄弟姐妹，而且还有工作上的一些关系，而这些人基本上这也有这么一些关系。而这些关系呢，也就有了远近亲疏之分，而所有这些关系里面，对这个人影响最大的，当然就是最亲最近的人了，然后按照亲疏远近的不同，影响力逐渐减小。所以当关系较远的人发生什么事情，基本上影响不到这个人，自然没有这种关系也无所谓，但是关系较近的人发生了这种事情，那么就会发生很大的影响，当突然之间取消掉这个关系的话，那么情况就会发生突然的变化，从而导致关系网的混乱。而王石构造的这个神经网络与此类似。那个影响力大小和亲近程度就代表了那个连结的强度。这个连接的强度是在的训练中不断调整并趋向于稳定的。很显然，假如有一天，要让你选择你只能保留一百个人之间的关系的话，你会怎么选择呢自然是按照关系的亲近程度来进行选择的。

    幸好由于一开始的时候已经考虑了这个问题，所以王石没花多少时间就完成了这个模块的编制，这个模块的首要问题就是将当前的神经元的输出端按连结强度进行排序，取消超额的末尾那些连结。

    一开始的时候，系统的限额并不好估计，大了的话，没有达到精简的效果，小了的话，会导致系统的不稳定。最后，王石通过统计现有神经元数据库中的连结分布情况，发现结果是确实存在使用次数与连结数量的之间的关系，使用次数多了，连结数量都比较庞大。王石最后选择一些简单的函

    （本章未完，请点击下一页继续阅读）

『加入书签，方便阅读』