绘画非马过程的神经网络链路模型

我们之前研究了绘画马尔可夫链，对当代艺术的绘画策略过程做了简化。我们指出，在研究复杂社会过程的时候，用数学方法的话，必须要做抽象简化。抽象简化实际上是在分析过程的结构。我们继续用数学方法对绘画的非马过程作结构分析。这次我们借助人工智能的神经网络链路理论来建模。人工智能使用神经网络链路，实际上就是对人类的思维进行了抽象简化。我们就用这个结果对绘画非马策略过程建立一个模型。我们要用到两个概念，一个是RNN，一个是LSTM。RNN，就是Recurrent Neural Network，即循环神经网络。核心特点：

-“循环” 指网络中存在闭环结构，允许信息在不同时间步之间传递。

-像一条有记忆的流水线：当前步骤的决策会受历史信息影响（例如：句子的上一词影响下一词的生成）。

LSTM，就是Long Short-Term Memory，即长短期记忆网络。长短期记忆是指既有长期记忆又有短期记忆。靠遗忘门、输入门和输出门，进行门控调节。

实际上LSTM是对RNN的一个变体，是增加了结构。

我们在研究绘画非马过程时，运用遗忘门的概念，实际上它不是一种“遗忘”，而是一种取舍。一种清理以往经验的“筛子”。画家会先筛选旧记忆，决定哪些经验该保留、哪些该丢弃。

例如：

“三年前观众喜欢暗色调，但最近两年差评不断 → 筛掉这条旧规则”

“笔触轻柔的技巧过去五年一直好评 → 保留这条经验”

其本质就是选择性舍弃过时或无效的记忆。

而输入门，则是吸收新经验的“过滤器”

画家将当前观察（观众最新反馈）和短期经验融合，生成新记忆碎片。例如：

发现“观众最近偏爱亮色”（新观察）+ “上次亮色使用过度导致画面刺眼”（短期经验）→ 生成新规则：“亮色仅用于画面焦点区域”

本质：将当下信息提炼为可存储的长期经验。

非马过程还要增加一个历史门。对于绘画史上的任何经验，就是指历代的绘画成功经验，进行筛选。

然后，画家把遗忘门、输入门和历史门的各种元素，进行加权融合。称为逐元混合。最后，画家自我评估，挑选自己认为合格的结果输出。这个自我评估也是一次筛选，叫做输出门。

我们大致上给绘画非马过程构建了一个神经网络链路模型。是类似于RNN+LSTM的神经网络。这是一次抽象简化。基于这个模型，我们可以进一步研究绘画马尔科夫链和非马链。

图片

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。