在提取信息的时候，在池化的时候，如果取区域均值（mean-pooling），往往能保留整体数据的特征，能凸出背景的信息，而如果取区域最大值（max-pooling），则能更好保留纹理上的特征，但这些应该都不如小波变换那样，可以保留更多的细节特征，整体上也应该更加细微。 在ICLR2013上，Zeiler提出了stochastic pooling，元素值大的被选中的概率也大，但不是像max-pooling那样总是取最大值，这种方法的优势是，一方面最大化保证了Max值的取值，一方面又部分确保不会所有元素都被max值给忽悠住，造成过度失真。 这种方式想来还是有缺陷的，因为这种随机行挑选尽管有概率倾向，但它是人为叠加上的，无法总是保证一定随机的概率选择中能够选择到更好的结果，所以也会出现更糟糕的结果的时候，不过加入概率算法好处是，它为产生更好的结果产生了可能，所以总的来说，还是有可能得到更好的结果的。 假设目标总是容易被命中的，而有那么个正态分布与目标的分布是近似重合的，如何保证这种分布比较能吻合目标？平均值与最大值都会产生偏移，因为毕竟太暴力了，而概率算法加入无疑是比较理想的，能减少这种偏移的可能，如果运气足够好，收敛会非常好，那么还有可能得到更加贴近的结果，于是这个又扯到了运气上来了。 只是，术数里的收敛为何能那么准确，这个从数学角度实在是难解，究竟是什么没有考虑到？目前有一种隐隐地思路，需要探索以术数的模型套上去，只是还是没有找到桥梁在哪里，第一是要找出，信息是如何演算并折叠在卦中的，第二是要找出如何还能够把信息进行还原。 在尝试计算了近十万个图形与随机起卦之间的联系后，发现要建立这个联系，是极难完成的任务，制作自动编码器运算到一定程度收敛越来越慢，随便估计也是要花上个几个月的（还不一定最后算得出来），想来还是思路有问题。 路漫漫其修远兮。
术数模型中是如何压缩信息
本文皆是废话随笔充数，不必阅读。 仅仅从卦上来了解事物的话，很容易遇到一个问题，既然卦是事物的抽象，那么如此能够保证卦是能够完美表现细节，或者能真正勾勒出事物最重要的主线？ 这其中必然有卦的信息压缩存在，所以解卦的时候，是把这种压缩的信息进行释放。 这种压缩，包括单纯的卦，卦与卦爻之间的关系，而卦与卦之间，一种是384中变化，而事物如此多的种类，其微妙之处必不是仅仅384中变化能够完全表达的。 但事实占卦又证明，卦上立太极可以无处不占，这说明卦中的信息并不是只有一层的压缩，而是有各种释放的方法。 典型如八字，对其将信息进行释放，是通过排大运流年，然后综合来进行，本质上它们还是由时间排出，但引入了节气的节点后，这个大运流年的排列就引申出来了更多的意义，于是虽然是八字，实际上阴阳不同，大运不同，同一个八字会被分裂成两种解读模型。 换而言之，其实任何一种术数都是对信息的提炼。 现在的问题是，这种信息压缩的模式非常艰涩，很难用数学的方式去描述出来。 应该如何办呢？