回复：Jeff hawkins的Numenta的研究成果BAM

6.1.4. 步骤
6.1.4.1. 基于在前一输入环境语义下的现输入形成一个表达
到TM算法的输入序列的稀疏表征（SDRs）是由SP算法形成。正如本书的“SP算法”一章所述，SP算法形成了一个输入到层的稀疏表征（SDR）。此SDR表示接收最多输入的细胞柱（图1）。

在SP之后，TM算法将输入的柱形表征转换为包含过去的状态或上下文语义的新表征。新表征是通过激活每个细胞柱中的一个子集形成的，通常每细胞柱只激活一个细胞（图2）。

考虑听两个句子：“I ate a pear”和“I have eight pears”(译者注：这里真的无法翻译)。“ate”与“eight”同音；他们的声音是相同的。我们可以肯定，在大脑的某个部位，一些神经元对“ate”和“eight”的的反应相同。毕竟，相同的声音进入耳朵。然而，我们也可以肯定，在大脑的另一个点，对这种输入作出反应的神经元在不同的上下文语义中是不同的。当你听到“I ate”和“I have eight”的声音时，“ate”的陈述会有所不同。假设你记住了两个句子“I ate a pear”和“I have eight pears”。听到“I ate...”这句话导致了与“I have eight...”不同的预测。听到“I ate...”和“I have eight..”之后，必须有不同的内部表征。

如果没有先前的状态，因此没有上下文和预测，细胞柱中的所有细胞在细胞柱变为活跃时都将成为活跃的。这种情景类似于听到歌曲中的第一个音符。如果没有上下文，通常无法预测接下来会发生什么；所有选项都是可用的。如果存在先前状态，但输入与预期不匹配，则活动细胞柱中的所有细胞都将成为活跃状态。这个决定是按细胞柱到细胞柱基础进行的，所以预测匹配或不匹配永远不是“全有或全无”事件。

正如上面的术语部分所提到的，HTM单元可以处于三种状态中的一种。如果一个细胞由于前馈输入而活跃，我们只使用“活跃”一词。如果细胞由于与其他邻近细胞的横向连接而活跃，我们说它处于“预测状态”（图3）。

6.1.4.2. 基于在前一输入环境语义下的现输入形成一个预测
TM算法的下一步是为预测接下来可能发生什么。该预测是基于步骤2中形成的表征，其中包括来自以前所有输入的上下文。

当一层预测时它会去极化（即进入预测状态），所有细胞将有可能由于前馈输入成为未来活跃的细胞。由于层中的表示是稀疏的，可以同时进行多个预测。例如，如果有2%细胞柱是由于输入而活跃的，那么可以期望十个不同的预测可以产生，其中20%的细胞柱具有一个预测细胞。或者，可以作出二十种不同的预测，导致有40%的细胞柱具有预测的细胞。如果每一细胞柱有十个细胞，一次预测一个细胞，那么4%的细胞处于预测状态。

本章的稀疏表征展现了尽管不同的预测合并在一起，HTM层可以准确地知道一个特定的输入是否是被预测的。

层如何进行预测？当输入模式随时间变化时，不同的细胞柱和细胞将依次活跃。当一个细胞变得活跃时，它就形成了与先前活跃的附近细胞的一个子集的连接。这些连接可以根据应用所需的学习速率快速或缓慢地形成。稍后，所有的细胞需要做的是查看这些连接以获得一致的活跃。如果连接变为活跃状态，则该细胞可以预期它可能很快被激活，进入预测状态。因此，一组细胞的前馈激活将导致其他通常尾随其后激活的细胞集合的预测状态。想像一下当你认出一首歌并开始预测下一个音符的时候。

总之，当一个新的输入到达时，它会导致一组稀疏的活跃细胞柱。每一细胞柱中的一个或多个细胞变得活跃，而这些细胞又通过层间细胞之间的学习连接而使其他细胞进入预测状态。由层内连接所激活的细胞构成了对下一步可能发生的事情的预测。当下一个前馈输入到达时，它选择另一组稀疏的活动细胞柱。如果一个新激活的细胞柱是意外的，意味着它没有被任何细胞预测，那么它将激活细胞柱中的所有细胞。如果新激活的细胞柱有一个或多个预测细胞，则只有这些细胞将成为活跃细胞。

6.1.5. 伪代码
TM算法从SP算法结束时开始，由一组表示前馈输入的活跃细胞柱组成。下面的伪代码，一个时间步骤由以下计算组成：
1. 接收一组活跃的细胞柱，根据预测对它们进行评估，并选择一组活跃细胞：
a. 对于每个活动细胞柱，检查具有活跃的远端树突段的细胞（即从前一个时间步骤中处于“预测状态”的细胞），并激活它们。如果没有细胞具有活动树突段，则激活细胞柱中的所有细胞，将此细胞标记为“bursting”。产生的活跃细胞集是在先前输入上下文中的输入的表征。
b. 对于每个活跃细胞柱，学习至少一个远端树突段。对于每一个bursting细胞柱，选择一个在任何permanence水平上都有活跃突触的树突段。如果没有这样的树突段，在细胞上以最少的树突段生长一个新的树突段，随机地断开连接。在每一个学习树突段上，增加每一个活跃突触的permanence值，降低每一个不活跃突触的permanence值，并向先前活跃的细胞培育新的突触。
2. 激活一组树突段：每层细胞上的每个树突段，计算有多少对应于当前活跃的细胞的连接的突触（步骤1计算）。如果该数字超过阈值，则该树突段被标记为活跃的。有活跃远端树突段的细胞集合将是下一步的预测细胞。

在每个时间步结束时，我们增加时间步计数器“T”。
该算法不存储一组预测的细胞，而是存储一组有效的远端树突段。如果有活跃段，则细胞是预测态。

6.1.5.1. 根据预测对活跃细胞柱进行评估。选择一组活跃细胞。
将一组活跃细胞柱转换为一组活动细胞，并生长/加强/惩罚远端突触，以更好地预测这些细胞柱。
首先，对于每一细胞柱，决定它是否是以下任何一项：
···活跃且拥有至少一个预测态细胞
···活跃且没有预测态细胞
···不活跃且有至少一个预测态细胞
对每一项用下面的不同函数处理。