“然后呢？”鲁少校问道。

“然后，我们知道，如果一群关注点属于一个整体，那么，在后续的时间序列图像中，这些关注点会形成整体运动的规律，我们继续设定向量连接的阈值，如果属于整体的关注点，那么它们的向量距离不会超越阈值。”林久浩解释道。

“哦，如果不属于整体，那么后续的运动过程中，一些关注点向量距离就会超越阈值。”鲁少校理解着。

“是的，如果明显超越阈值的关注点，例如a点与d点之间的向量距离阈值为5，在运动中向量距离超越了5，那么这条连接就断裂了。”林久浩还是边画边解释。

“我们就把它淘汰出整体定义，对吗？”鲁少校问道。

“不一定，我们举例，a点与d点在一开始是有连接关系的，例如，人把手垂在腰间，与腰部的关注点形成向量连接，但是，高高抬起手臂，手与腰之间的连接，大概率会超越距离阈值，手与腰部的关注点连接关系断裂，然而，手与手肘到肩部的连接没有超越阈值，所以这条连接还在，自淘汰机制建议，所有连接断裂的关注点排除出整体定义。”林久浩继续解释。

“哦，如果一个人趴着然后站起来，很多点是不是就会发生脱离阈值的现象？或者一条狗蜷缩着，突然伸直，是不是也很麻烦。”鲁少校继续发问。

“这就是横向拉伸和纵向拉伸算法扩散问题，我们在动态库模型算法中，可以加入这方面的功能，继续跟踪这种横向拉伸和纵向拉伸的现象。”林久浩继续解释。

“小林，你考虑的问题很超前呀。”安静夸奖了一句。

“我听琪琪说的，机器人研究所一直希望能够通过多元关联拟脑模型，判断人物的行为特征，要想判断行为特征，就要先能够对人物整体定义。”林久浩回答。

“哦，你这个想法非常好，我们部门可以继续研究，利用动态库模型完成关注点整体定义。”鲁少校说道。

“这个算法就叫【关注点整体定义自淘汰算法】吧！”安静把算法的名字定了下来。

“不过，鲁少校，您们部门在使用这个算法理念的时候，能不能对定义对象的纵深建模同时研究一下？”林久浩继续加码。

“纵深建模？”鲁少校没明白。

“就是，当a点与b点是关联的，并且我们在多个时间序列图像中收集了最大关联向量距离为5，当这两个点重叠的时候，我们认为a点与b点形成了5的纵深，可以利用这个条件做立体建模的依据。”林久浩解释。

“是呀，老鲁，这个世界上绝大部分生物都具备对称性。”安静也补了一句话。

“哦，哦，明白了，太好了，解决大问题了。”鲁少校很快就明白了，本来立体建模就是内二实验室的研究内容之一，现在全连接在一起了。

鲁少校的问题解决了，大家休息一会儿，统一喝水，统一去卫生间，军人多了，行动也很统一，休息片刻，会议又继续。。。

“该轮到我们的问题了吧？”安静问道。

“对，你们不关心感应层前端的技术，你们关心的是从前端输入的多种信息源，如何转变为内容描述，对吧？”鲁少校先问了一句。

“这一点你们做的怎么样？我们现在要开始芯片化信息元编码搜索过程了。”安静说道。

“我可以告诉你的是，我们已经统一了内容规范，就是我们向你们拟脑层输送的是tag组模型。”鲁少校。

“你们现在可以做到，把感应层的内容定义，转化成内容描述，然后直接提起关键字，以关键字形成tag组关联模型，输出给我们的拟脑层，对吗？。”安静有点不信。

“对，其实有时候内容是可以跳过的，比如我们直接把视觉的东西用tag定义，方形、梯形、三角型，多型组合，上下组成等，多角度多层次的感知。”鲁少校边比划着边说。

“还有颜色、大小、比例等，是不是？有没有初步判断？”安静知道鲁少校说的是cv视觉方面的，不是nlp自然语言方面的，而cv视觉方面是拟脑思维层与感知层相互对接技术的关键，反而是nlp自然语言处理部分，安静部门已经拥有了最先进的算法，不同规模的多层分级的训练模型。

“初步判断也是用多元关联技术做的，比如一辆汽车有多个特性，而且特性之间有关联关系，我们将关键字在这些关联模型中行走，找出最高命中率的信息元。”鲁少校慢慢解释着，从话中透露出也使用多元关联拟脑技术。

“这些对象的识别你们也是采用神经元理论，卷积算法完成的，怎么又涉及到我们拟脑思维层的技术了？”安静感兴趣的问道。

“对象感知基本上采用的是神经元理论，至于卷积算法，其实现在很多视觉处理部分已经脱离了卷积算法范畴，反而是关注点向量定义更有效。但是，神经元理论及动态特征分析也有不尽人意的地方，例如立体的物体不同的角度不同的成像，