博客
关于我
多维空间:对于一维到七维的理解
阅读量:333 次
发布时间:2019-03-04

本文共 503 字,大约阅读时间需要 1 分钟。

一维空间:点连续后成线,但这个轨迹只能够向一个方向变化。

二维空间:点成为线,可以控制点的连接方向,也就是可以拐弯了,在这个基础下,可以让点成为面。

三维空间:线可以有三个方向了,这一空间事物将立体化,但是是静止的,因为没有时间去驱动。

四维空间:追加了时间概念的三维空间,我认为是生命存在的底线,在这里有新陈代谢,时间轴此时还是无限(也可能有限)延续的直线,这一空间的生物不能够直接观测未来和过去,只能随着时间运动。

五维空间:事物的发展除了时间还将出现“可能性”这一个分歧,下一瞬间的变化将同时出现多种可能而不是一个唯一的结果,可以通过主观意识来改变结果。

六维空间:六维中的智慧生物将可以通过自己的能力穿梭时空,就像是你在现实世界,可以挪动脚步和变化视角观测一个面包的其他几个面一样,六维也可以“挪动脚步”改变现在的时空,可以随意观测到以前和现在以及未来的多重可能性。

七维空间:事物的发展不仅仅是时间的延伸,更是可能性和多维度选择的体现,生物可以在主观意识的引导下,在不同的可能性中自由切换,既可以观察过去的选择,也可以预见未来的发展。这种主观的选择和时间的流动相互交织,形成了一种独特的存在状态。

转载地址:http://bmyh.baihongyu.com/

你可能感兴趣的文章
NLog 自定义字段 写入 oracle
查看>>
NLog类库使用探索——详解配置
查看>>
NLP 基于kashgari和BERT实现中文命名实体识别(NER)
查看>>
NLP 模型中的偏差和公平性检测
查看>>
Vue3.0 性能提升主要是通过哪几方面体现的?
查看>>
NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
查看>>
NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
查看>>
NLP三大特征抽取器:CNN、RNN与Transformer全面解析
查看>>
NLP学习笔记:使用 Python 进行NLTK
查看>>
NLP度量指标BELU真的完美么?
查看>>
NLP的不同研究领域和最新发展的概述
查看>>
NLP的神经网络训练的新模式
查看>>
NLP采用Bert进行简单文本情感分类
查看>>
NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
查看>>
NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
查看>>
NLP:使用 SciKit Learn 的文本矢量化方法
查看>>
nmap 使用方法详细介绍
查看>>
Nmap扫描教程之Nmap基础知识
查看>>
nmap指纹识别要点以及又快又准之方法
查看>>
Nmap渗透测试指南之指纹识别与探测、伺机而动
查看>>