主题：【原创】关于四代 -- 晨枫

所谓的17.5的vat是你的物品实际价值的17.5%

退税的话，是你付出的价格的14.89%

我在超大那边没有帐号。

“X36的自适应电传基于神经网络动态重构技术，具备快速学习和响应标准能力”

神经网络是经验模型，这东西就是一个glorified回归模型，模型结构古怪一点而已，如何快速学习呢？最后还是要根据各种scenario来训练，超出scenario的情况依然两眼一抹黑。神经网络的外推能力特别差，所以对于scenario之外的情况适应起来更糟。这一段到底该怎么理解？

这也是为什么神经网络热火过一阵，慢慢就不那么热了：实际功效有限。

不过也有两点要注意

1）神经网络模型可以分为supervised 和unsupervised。unsupervised不需要训练。实际中他们如何运用unsupervised模型来达到控制的目的，我不是特别清楚 。

2）就算他们没有用unsupervised，神经网络还是可以节省计算时间，在训练以内的情况里电传系统可以比普通的技术快很多。没有预计的状况，可能可以独立编程。

结论是，这个自适应的系统很可能是unsupervised，就算是supervised，用的好，还是可以提高效率。

这个所谓学习能力就是穷举。如果不试，就什么也不是了。

所以，今天中国的丝带的飞控未必完美，但是，这是极其好的开端。让丝带实践几年，实践中的情况会再次提升飞控本身。到时候，会把J20带到一个空前的高度。

而美国却停步不前了，假以时日，中国在航空领域会超越美国的。

神经网络的问题是不够robust，这个是飞机控制系统不能接受的。

我们用神经网络搞控制，都是要gain constrained，就是怕NN开无轨电车。但gain constrained了以后，实际上也就离指定gain一步之遥了，NN的意思也不大了。

机头涡、鸭翼涡、边条涡、机翼涡、V尾涡，都涡到一起了。最好是互相有利增强，次好是互相脱耦，最糟是互相不利增强。看成飞的了。这些涡都是很浅显的道理，困难显而易见，看来成飞是有备而来的。

丝带所能面临的scenario，应该是能够穷举的~~~~~~

实际上的可能性几乎是无穷的。那样的话，训练出来的NN还是高度可疑。NN结构要求尽量简单，需要适配的scenario越多，对于特定scenario的适配精度越成问题。总觉得NN不是一个办法。这只是没有办法的办法，永远比不上根据机理模型或者半机理模型得出的控制律。可能我是老派了。

现在整个的人才梯队是很完善的，从学生到熟悉过程增加经验再到独挡一面的设计者。近些年来国防系统科研工作相对来说是一个相当成功的封闭系统，怎么样把这个经验扩大整个科研方面是很重要的，比如说人才培养方面，当初歼10表彰的时候，30个人中13都是nwpu毕业，包括几个总师。。。

写出来当然更是谁也不懂。不信可以找X36的人问问。

作者行文有个显然的特点，强调美国在80、90年代即已如何如何。言语中似乎认为美国现在的水平自然更强。我看这是作者对科研实践一知半解的表现，尤其对西方国家的科研实践缺乏具体了解。我做的东西90年代是世界领先，现在照样是，因为岂止别人不做，连我自己都不做了。

先建立个巨大无比的covariance矩阵，然后不断训练。

训练过程如下：传感器收集信息，每当有新的信息进来，就更新这个covariance矩阵。

训练多了，各个参数间的关系也就出来了。

智子？！