一个小程序的设计

下面是我设计的编写一个小程序的短文。
目的：是为了验证人脑如何预测事件发生概率的理论。其机理是，一个对象在各种环境下发生的次数多，相对于没有发生，发生了的对象与各种环境建立的记忆联系强而广，这个强度与广度与发生次数存在一定的比例关系，将发生与没有发生建立的记忆联系的强度与广度进行比较，就能获得近似的发生概率。当然这种思路的实现，需要易兴奋的记忆柱与不易兴奋的记忆柱（也可以将记忆柱用神经通路代替），强度中枢等等。
 
为了简化编程过程我对方式方法进行了简化，不会完全按照我的拟人智能的实现中所描述的模拟人脑的方法去进行。关于基本记忆柱群，及记忆柱的结构可看我拟人智能的实现的相关章节。同时可以看一下我早期所编的那个程序。它可能比我早期的编程还要简单。
之所以那样设计，是因为为了编程的简单，否则过程比较难控制。
这里虽然是并行记忆结构，但由于记忆量比较少，发生回忆干扰不严重，或为零。大家也可以有意识的增加信息对应的记忆柱群所公用的记忆柱数目，从而增加回忆干扰的影响程度。
 
这个程序分三大部分：1、信息传入部分。2、主体部分。3、信息传出部分。
主体部分包含两个并行记忆结构，每个并行记忆结构分别由6乘6排共36个基本记忆柱群组成。基本记忆柱群由一个易兴奋的记忆柱和一个不易兴奋的记忆柱组成。每排只能一个基本记忆柱群成为主注意对象的组成部分（但不限制易兴奋的记忆柱记忆柱的兴奋）。每个信息在每排只能而且必需选取一个基本记忆柱群来组成，也就是说一个信息必须由6个位于不同排的基本记忆柱群组成。
每个基本记忆柱群用三个数字abc表示，a表示这个基本记忆柱群是位于1还是位于2并行记忆结构中。b表示位于那一行，c表示位于那一列。比如：一个基本记忆柱群用235表示，说明它是位于第二个并行记忆结构中的第三行第五列。
易兴奋的记忆柱的传出纤维只分布于同一并行记忆结构中的易兴奋的记忆柱而不易兴奋的记忆柱的传出纤维可分布于所有的记忆柱。每个记忆柱的结构与我在拟人智能的实现中所描述的基本相似。（可以参考我所编的程序）
这里没有习惯性兴奋，只有选择性兴奋。选择性兴奋采取我所编的程序所用的方法，因为这样最简单（从兴奋的最强的一群易兴奋的记忆柱中选择出相互之间存在记忆联系的记忆柱所对应的基本记忆柱群作为主注意对象）。而且从刺激开始到回忆发生，回忆只能发生一次。
记忆柱之间基本的兴奋能力规定为一，不易兴奋的传入的，每记忆一次，其一条记录的兴奋增加为a+(10/a)，易兴奋的传入的，每记忆一次，其一条记录的兴奋增加为a+(10/a)。每分钟遗忘兴奋能力的10%。易兴奋的记忆柱受到50的兴奋强度就能兴奋，其兴奋强度就是传入兴奋的总和，而不易兴奋的记忆柱需要600。
传入部分分为三部分，两部分是输入框，一部分是几个按钮，一个记忆按钮，一个回忆按钮，一个是概率按钮。传出部分是几个输出框，一个是选择的主注意对象，两个是先后兴奋回忆对强度中枢兴奋的强度，一个是强度比。
记忆联系通过手动建立。回忆发生也是手动实现。（主要是为了简化编程）
可以这样来规定输入的信息（回忆所获得的信息也一样）比如：每个信息的第一个数字代表哪一个并行记忆结构，后面的数字代表哪一列的第几个数字。如：1234566，1代表第一个并行记忆结构，3代表第一个并行记忆结构的第二行的第三个基本记忆柱群。依此类推。这几个数字输入相应的输入框中后，点回忆按钮就会兴奋相应的结构。
要建立记忆联系的是对象，对象发生一事件，对象没发生这一事件，发生与没发生所在的各种环境条件。它们分别用一个输入信息来表示。比如：1111111，代表对象，而1222222代表事件发生，1333333，代表事件没发生。2111111，代表一个环境条件，2222222，代表另一环境条件……。代表环境条件的，尽量公用少的记忆柱群。
使对象与事件发生和没有发生，环境条件分别建立记忆联系。如果事件发生的概率多，事件发生相对于没有发生，就会与环境条件及对象建立更多的记忆联系（多联系几次）。记忆的方式是在记忆输入框中分别输入需要建立记忆联系的信息，然后点记忆按钮，使它们建立记忆联系。回忆的方式是在输入框中输入要回忆的信息，然后点击回忆按钮，当回忆的对象成为主注意对象后，输入的信息就会被抑制，在回忆输出框中输出回忆的信息。
强度中枢由两个记忆柱组成，它们都接受所有易兴奋的记忆柱的兴奋传入。其中一个是对所有传入的数量叠加，另一个是对所有传入强度的叠加。它们兴奋后，将传出到强度输出框。
要考察对象事件发生的概率，先点概率按钮，然后在输入框中分别输入1111111，1222222。1111111，1333333。点回忆按钮，程序先回忆第一个输入框中的信息，(1111111的兴奋只有其单独回忆时三分之一强度)，并记忆下强度中枢的兴奋强度。然后再回忆第二个输入框的信息，并记忆下强度中枢的兴奋强度，强度中枢对应记忆柱先后的兴奋强度产生比值，就是兴奋概率。事件发生概率越多，兴奋概率越大，它们有近似的关系，当然这种关系不是线形的。