1.1014 每次拼貼會不會都能附加一個“性能”？

　　如何安撫新上車的時代女郎，已經完全不需要吳塵操心。

　　事實也絕對勝於雄辯。在眾目睽睽之下，可可操縱軌道機械鉗表演拼接車的前後挪移。又讓她們自己駕駛車輛展示拼接車的內外重疊。還有一個容易被忽略的細節，終於被菲亞特號上的時代女郎們想起。在先前的時空拼貼中，菲亞特309武裝大巴前後共計拼貼了5次。分明就是5x拼貼。前四次都是拼貼的女警駕駛的警車，拼貼了309大巴9排座椅的前8排。剩下的最後一排座椅被女攝影師的菲亞特500L補全。

　　再想想，對不對？

　　“指揮官先生，您的意思是，拼貼的次數可以參考汽車座椅對嗎？”可可立刻就想到了啊。

　　“座椅是拼接車輛時，一個非常明顯的‘標誌物’。”吳塵也不否認這是對“時空貼片”非常簡單化的認知：“從每輛汽車的‘時空體積’而言，相應的‘要素’都會自然重疊。就像是簡簡單單的‘相似相容’。”

　　在計算機技術中，“時空體積”表示是指將給定序列的幀進行堆疊，前提是精確的定位、對齊以及背景剪除。屬於行為識別的一種方式。

　　而時空體積在科學中的概念，近似於“流形（manifold）”：是局部具有“歐幾里得空間（euclideanspace）”性質的空間，在數學中用於描述幾何形體。物理上，經典力學的相空間和構造廣義相對論的時空模型的四維偽黎曼流形都是流形的實例。

　　而伴隨計算機技術新晉誕生的“流形學習（manifoldLearning）”是機器學習、模式識別中的一種方法，在“維數約簡算法”方面具有廣泛的應用。它的主要思想是將高維的數據映射到低維，使該低維的數據能夠反映原高維數據的某些本質結構特徵。流形學習的前提是有一種假設，即某些高維數據，實際是一種低維的流形結構嵌入在高維空間中。流形學習的目的是將其映射回低維空間中，揭示其本質。流形學習可以作為一種數據降維的方式。此外，流形能夠刻畫數據的本質，主要代表方法有等距映射、局部線性嵌入等。

　　自2000年在著名的科學雜誌《science》首次提出以來，流形學習成為機器學習領域中的一個熱點。筆趣閣

　　而來自庇護所的大玩家吳塵，則科幻的稱之為“時空貼片”。

　　最簡單的解釋就是：“從劇情時空的層面對劇情造物進行劇情要素的解構和重組”。本質上是一種高維規則的低緯展現。

　　“車殼疊車殼、玻璃疊玻璃、引擎疊引擎、座椅疊座椅、輪胎疊輪胎。”《羅馬週刊》女記者帕特里齊婭·瑞達說出自己的理解。