神经网络的形状识别系统
神经网络（社交网络类同）的形式状态（即形状）识别是模式识别科学发展的结果。
人类智慧的一个重要表示是通过人体的感官系统所捕获的外界大量信息经过大脑神经元网络的求同存异加工处理，对于首次捕获的信息都按定质定量重权加法构筑区间标底“质量”，如:A1+#2+@3+...+?n，其中〈A、#、@、...、?〉表示互为独立质，是无关质，是唯一的、无差异量（等量，视为同一水平面），不偏不过不及及的叠加态，是无序的组合，一体性是它的特征，无张量尺度来度量的无量态，故表观唯一的不存在性，而(1、2、3、...、n)是有一定计量差额度为依托关系的关系量构成，有序性是它的特征。每次获得的信息中都包涵不同程度的“首诊信息”以重权加入样本采集行列来扩充样本的标底库存，所以说见多识广都与首诊信息有关。对于大于或等于(即>=)2次以上捕获的信息量，会依据第一次各质的量为标底样本属性，并以第一次的质与量为基准单位质量，盾构成定质当量级目录及子目录的分类模式块，对于首诊信息会以‘’行‘’加权形式有序性码，类似异类项相加，是去同存异法，无公因子的部分（注:实际上异类项的相加是承载在有公因子这一条件中，象a+b+c实际就是1•（a+b+c），1是构成它们之所以成为异类项的关系条件），这是见识面上的量。对于复诊信息会以“列”重权形式沉积，向纵深相发展，形成组合态，象老谋深算与这一沉积因子有关，是求同舍异法，类似合并同类项是构组形式，形成群、类相（注:本质是行与列深层次的表达——组排混合态，这是演绎智能型的基础），承集元储存在脑中，形成认知外界事物及其判断、归纳、分析、推论的五级能力的基础，这就是模式识别系统功能的机制。
样本定质定量单位的采集，是依据模式块的与、或、非（—1、0，+1）的逻辑门来分类归位晋级的。对于模式选择有三种可能，一种是肯定，一种是否定，还有一种是不定（注:不定为模糊逻辑的不定质量态，作为模糊数学研究课题的分析质量时，有双向偏导和正态分布）。与舍与得要根据重权系数来随机确定...
重权法
设: u=p·f(x)+c v=p.g(y)+d 则有: u+v=p.[f(x)+g(y)]+(c+d)， 若重权f(x)+g(y)=k(c+d)，k可以是函数r(?)的类型。 则有u+v=p(c+d)(k+1)，这样重权加法，在适当的波段上有因子积（或因式积，积函数，重权函数。注: 重权函数是指根据场相关关系量及因果关系量赋予正常函数在一定层次场面上的增值量，来分析、判断履行智能权利的能力)，一个有序性依据特定的内因子对相联姻，有缘外渐变为缘内，有外部矛盾转化为内部矛盾，形成一体积性——‘’核‘’育。象p、(c+d)、(k+1)都是一体积的独立项，它们对于一体积来讲，缺一不可，又是构成一体的一部分，没有主次先后之分，表现无序性的集中体现，……
注：‘’重权‘’和‘’权重‘’是理论中不同的两个概念，切不可混淆。‘’重权‘’概念中，‘重‘是形容词，‘权’是名词，表观定量的质，根本性不变；“权重”概念中，‘权’是名词，而‘重’是动词，表观定质的量，更本性可以赋予改变。在‘’权重函数‘’体中，改变函数的定义域，值域会发生相应的改变，这是‘权重’的表现，以权重作为理论体系，这个理论根基是不稳的，会依据新生变量的出现而动摇，这样的理论相对性明显。在“重权函数”体系中，值域不会因定义域的改变而变化，象看待同一个问题不因为角度的不同而得到不同的结果，对宇宙本质的认识就要以“重权函数”为基础，来立心根本点。对自然现象的认识就要以“权重函数”为基础，来树传变量相对面。
‘’质感‘’是当量级范围量的所有质以互质形式互补，构造的整体表象，定量当质的适中性状态。无量态以绝对半量集成，以相对半量求适中的“渐变锥度”。近感质浓远感质淡。质单力薄质朴力实。
