一字千金作为一个节点，可以直接连四个单字

[AIwem]

这样貌似可以减少“一字千”这类无意义节点

[Edward219]

1. 这样记录就没法区别“白雪”“雪白”这两个词，即，损失了顺序信息。

2. 神经元的激活速度是很快的，从形成连接的过程来看，不太可能能形成你所画的那种

[AIwem]

1、空间顺序也是顺序，但按你视觉神经编码和激活的方式来看，与字符编码激活的方式不一致，有矛盾。字符也是一种视觉元素，也应该按视觉信息编码激活。否则，如果猫从左边看去是猫，从右边看去就不是猫就太奇怪了。
2、按我画的方式记录字符，貌似是损失了一点顺序信息，不过雪白和白雪同时激活也不是问题，字符的消岐可以解决，通过其他信息的综合激活，比如阳春-白雪，雪白-兔子。概念的消岐比字词的消岐其实更复杂。
3、脉冲是需要累积，也需要衰减的，第二点消岐的具体方法就是，按时序激活所有相关信息，先激活的先衰减，神经元激活速度快恰好利于脉冲累积，很快得出准确的消岐后的信息。
4、神经元链接的形成，也应该统一为整体与部分的链接，比如一字千金与一、字、千、金。不过我有个疑惑是：越复杂的概念节点，在神经元上的编码越密集，也就是树突棘越多？你有什么想法。

[Edward219]

1. 字符编码和视觉编码并不矛盾。负责【顺序信息记录】例子中的脑区，是在左侧颞中回的，而视觉部分的是在枕叶和颞下回的，不是同一个脑区处理的。看到的字符的确要经过视觉处理，但是【顺序信息记录】例子的那些字符已经是经过加工的，抽象记录下来的字词信息。

2. 有从头到尾读完readme中关于神经网络部分的内容吗？（或者是我描述的不够清楚的问题？）
   个人认为神经元不处理脉冲的时序（脉冲的时序更像是一种现象，并不携带信息），暂时也没有发现需要用到脉冲时序传递信息的地方。所以这里提出的神经网络不处理脉冲的时序，这也是海月网络和SNN的区别之一。
   （当然，你也可以保留你的看法，提出一个更好的神经网络。不过模拟神经元脉冲时序所需要的计算量肯定要多得多）

3. 你说的“概念越复杂的节点，树突棘越多的”那个规律是对的，在更高级的脑区是适用的，比方说颞极、还有额叶的一些子区，但在例子这里不适用