张涛周报20171008
本周主要为国庆中秋放假，其间以休整为主。浪费一周时间，下周补上。
...
张涛周报20170930
提前一天汇报本周情况：
1. 与李和合继续梳理增量式算法流程。本周已经基本无bug出现，李和合开始整理算法流程与证明。论文主体内容基本成型，如果证明过程顺利有望在十月中旬做出骨架。
2. 开始撰写帕金森与概念分析的论文，为明年的基金申报和项目结题做准备。经过一周断断续续，草稿完成2/3，仍需继续努力。
3. 撰写提纲：AT与认知模型（杨爽）、GPS漂移抑制（王佳琦）。
4. 与张文清讨论帕金森采集论文的写作细节。
5. 网站的改进交由张猛负责，由王明贤、刘川负责具体实施。
6. 为刘川安排一项专利，开始过程理解。
7. FPGA：讨论下一步工作安排。
...
张涛周报2017.9.18-9.24
本周主要科研任务为研究、完善增量式概念生成方法。
该方法的主要思想为人类认知的增量式过程。在当前看来，人脑认识事物为一个震荡收敛过程，当收敛至一个不动点时认为当前对事物认知趋于完善。但随着阅历的增加，原有的概念体系必然将不断修正。原有的知识不断更新，新的领域不断拓展。
从结构上，最为简单的增长莫过于原始概念不做修正。这种情况一般出现于已经认知的概念领域。比如，IPhone 8并没有让我对iphone这个概念发生任何概念，无非是在iphone这个概念的外延中加入了一个iphone8对象而已。
其次，对于原有知识的更新过程一般为伴生的增长过程。该过程主要是对现有概念体系的细化或更新。比如，我原本认为手机的屏幕一般为矩形。但iphone X的发布让我知道原来手机屏幕还可以做出刘海。虽然“手机屏幕”这个概念仍然存在，但其内涵中对于其形状的要求已经发生变化。这就是对概念的更新过程。而“苹果式的全面屏”这样的概念对我原有全面屏概念的细化。
最为复杂的情况，当属新领域的拓展。从结构角度看，新领域意味着新的顶层出现。虽然这个对象可能和现有的知识或多或少建立联系，但其终归是新的知识。比如，我看GAN。GAN对于我来说是一个新出现的顶层对象，但当我了解其属性后，发现其与深度学习、概念学习思想基本同源。这就意味着在属性拓扑中这三者是包容关系。所以，我学习GAN时，原来对于深度学习、概念学习的知识会被类比过来使用。也就是说，我是将我原来学会的概念复制给了GAN一份，然后再通过GAN约束，看看哪些需要调整，哪些需要更新。这就是这次对新增顶层对象的处理思路。这个思路其实和迁移学习已经有了相似之处，下一步想必可以发展一下。
总之，新的增量式算法基本思想就是这样。但在设计过程中仍走了很多弯路。好在前面有曹海兰为我奠定的基础，这次有李和合不断的指出问题，让我得以逐渐修改并暂时得以无bug设计（这个过程不就是GAN的对抗式生成吗？同时也是概念学习的趋于不动点？）。本周虽然效率不高，总算还有收获，聊以安慰。
本方向下一步计划：
1. 将算法形式化，并进行相应证明，完成论文写作。
2. 连续数据的层次化表示仍要继续考虑。
...