인간의 Attention 에 대해서 Deep-learning 으로 How exist? 에 대한 관점 하에서 오류역전파 알고리즘으로 개체군에 대해서 and-or-not 으로

Exist/Not-Exist 의 Network layer 가 존재할 수 있는 것에 대해서 기본적으로 오류역전파 알고리즘이

상당한 단위의 학습을 할 수가 있는 것이 Parameter 에 대해서 있는 것은 틀리지가 않은 것같음. 

그래서 이것에 대해서 게시글을 써놓은 것이 그러한 and-or-not 의 단위로 나뉘는 Feature (특징..) 가 Weight/Bias 가 이산적인 것이 아니라 연속적으로,

더 넓은 관점에서 이산적인 특징들의 많은 Network 를 인간의 Attention 에 대해서 거의 항상 Real 과 같은 것을 학습하고 수행할 수가 있는 것이

틀리지는 않은 것같음. ㅇㅅㅇ.. 

그래서 많은 것들에 대해서 수사적으로 and-or-not 이 이뤄지는 것이 상황에 대해서 어떻게 되는 지를 분석해서 나타날 수 있는 어떠한 Unit 들에 대해서

그것의 Factor 가 어느정도인가? 를 학습하는 것을 통해서 그룹에 대해서 Deep learning 이 가능하기도 하지만, AI 가 지금 상당히 개발된 것에 대해서는

그 Factor 가 and-or-not 을 분석적으로 수행을 하기에 상당히 많은 것이 일이 어려울 수도 있는 것같음. 

이에 대해서 고심을 해본 것이 있던 것이 좀더 생각해보면 어느정도 AI 에 대해서는 상당히 행태군이라는 것을 필요로 하는 것이라고 봄. 

작은 AI 는 수사적 and-or-not 으로 Factor 의 Unit 에 대한 세기(Strength) 로 파악을 할 수도 있지만 전이성에 대해서는,

"행태군"이라는 것이 실제로 있을 때 그것에 대해서는 특수한 공간 상에서 전이의 Unit 자체가 공간 상의 System 에 대해서 수사적으로

Strengh 의 Function format 을 이루는 것도 틀리지가 않은 것같음.. 

그러니까 많은 행태의 군에 대해서는 그것이 Real 일때 집단성에 대해서 특수한 전이성들의 Function format 을 따르는 것이 군(Group) 이라는 것에 대해서

Group (군..) 의 Property 를 가질 것이라는 것임.. 

그리고 이것에 대해서는 Property 가 전이성에 대해서 작용하는 것이 있을 것으로 보이는 것이라고 생각됨. ㅇㅅㅇ.. 

그러니까 많은 AI 에 대해서는 Error function 에 대해서 and-or-not 의 Factor 가 이러한 작용하는 전이성의 단위가 맞기도 하지만,

시스템 공간적으로 Group 의 Function 이 Format 에 대해서 있게되는 것이고 이러한 Function 에 대해서,

행태의 군(Group) 의 역함수가 AI 에 대해서 Error function 이 학습률에 대해서 작용을 하는 것에 있을 것이라는 견해임.

이에 대해서는 When?/What? 의 Category 가 전이성에 대해서 일이 항상 특정 Group 에 대해서 가능하다는 사실에 의거하기는 함. 

그렇지만 행태의 Group 이 가지는 전이성의 Function format 에 대해서 역함수를 Group 자체의 Elements 에 대해서 설계한다면 이것이 상당하게 정확하고, 또 

AI 의 원리 자체가 이러한 공통성에 대해서 차이의 Weight/Bias 를 학습한 것이 AI 라는 생각이 가능하기도 함.

ㅇㅅㅇ..