frog/history/016a_OneInput

## core目录简介 core目录是当前工作目录，如果跑出什么结果就会拷贝一份放到history目录里存档。

当前目标是大方向是由遗传算法来自动排列脑细胞和触突参数，以实现模式识别功能，并与上下左右运动细胞、进食奖罚感觉细胞结合起来，实现吃掉无毒蘑菇，避开有毒蘑菇这个任务。(未完成)

当前小目标: 1)是要利用阴阳8叉树分裂算法进化出第一个可以工作（向食物运动）的神经网络。(已完成, 见011_yinyan_eatfood)
2)利用阴阳8叉树或4叉树分裂算法(见012_tree4)来进化出具备模式识别功能的神经网络。即实现图像到声音的关联，比如对应1,2,3,4 数字的图像会反同激活训练时对应的声音细胞(未完成) 3)简单时序信号的模式识别。比如AB后是C, AD后是E, ABC后是F，多次重复后即可形成时序信号的预测关联。功能类似RNN，但用分裂算法来实现参数自动生成。(未完成) 以上2和3识别原理类似，都建立在细胞连接的遗忘曲线基础上，但是一个强调细胞的空间位置关系，另一个强调信号留存的时间

当前小小目标： 进化出具备简单模式识别功能的神经网络，即实现图像到咬动作的关联。 目前版本(16a)用遗传算法实现了只有一个点输入信号输入时，有信号则咬细胞激活，无信号则咬细胞停止激活，这是个最简单的逻辑。

下面的目标是二点输入、三点输入、2x2输入、3x3输入..., (当模式识别做到5x5以上后，可能分辨率就会越来越难做上去了，要考虑引入变焦细胞和动眼细胞了，将总体轮廓识别和局部关键特征识别结合起来提高分辨能力)