海量增量学习神经网络 lsnn，the finaly nn

无限增量学习，能实现无限增量学习，是强人工智能的基础。当然其他各种上层的东西： 自我、自举学习， 情感，这样的东西，目前还不到深入研究的地步。但是各种高级一些的智慧体具备的功能特征，其最基础的支撑算法，必须是无限增量学习。（20年以后回来看，这个必定已经成立，不知道这个提法能申请专利不？ 呵呵，穷的我没办法研究下去了，疯了。）下面说说突破的地方：

这两年，做了视频浓缩摘要算法，人车分类等机器学习算法。包括：svm，knn，lsh， ann，dl，cmac，rbf， 等主要的机器学习算法。其中svm，knn，dl 是应用中比较成功的分类算法。但是目前来看，没办法实现增量无限学习。这就注定只是一个限定数据范围的，有点smart的机器。 能无限增量学习，才能像人出生之后一样，不断学习成长。360的首席科学家提出 baby learning， 貌似就是这个思路。不谋而合啊。但是不知道其实现思路。我这样层次的人，也联系不到这样的大家。

实现办法：用 lsh 结合 ann 实现局部敏感神经网络， 就是这么简单。 lsh ，这我已经算法上改进实现了（exp-lsh）。无限学习，局部敏感。比其他传统 lsh，有本质飞跃，不再是 1% 千分之一的运算量提升，而是达到 O(1)级别的复杂度。 同时，knn召回率达到99.9%以上（相对于knn的100%），实际分类召回率超过knn。 这样保证了局部样本的有效性。进一步通过 局部连接Ann神经网络，dl神经网络模型，并使用局部连接改进当前全链接的ANN，可以达到彻底彻底的局部敏感。从而可以增量学习，海量学习。下一步算法实验。

原创算法，侵权必究。