Upload 2 files

README.md

@@ -19,11 +19,11 @@ tags:
 **Auto-convergence, self-control, autonomous optimizer**  
 
 高効率性と集積度  
-高次moment、Kahan補償、分散･継続学習での独立性、自己修復･モデル修復、履歴補償、  
+高次moment、Kahan補償、量子化補償、分散･継続学習での独立性、自己修復･モデル修復、  
 ハイパーパラメータの自律調整、信頼度フィルタ、更新ステップの有界性、構造的耐性、自己停止、  
-動的学習率、動的スケジューラー、動的Rank/Aplha、時間的積算、などを含めた多機能性を、  
-追加テンソル不要、計算負荷ほぼなし、step毎に完全適用、します  
-これらを実現した高効率性と集積度は類するもののない稀有な実装でしょう  
+動的学習率、動的スケジューラ、動的Rank/Aplha、履歴補償、などを含めた多機能性を、  
+追加テンソル不要、計算負荷ほぼなし、step毎に完全適用、時間的積算で実現します  
+これらをワンパッケージで実現した高効率性と集積度は比肩するもののない稀有な実装です  
 
 第１世代 v3.0 (最新版) はこちらから  
 https://huggingface.co/muooon/EmoNAVI/tree/main/1Gv3_AMP-compatible  

report-emoment.txt

@@ -19,11 +19,11 @@ emo系は、観察、判断、決定、行動、記憶、反省、という自
 これらはすべて multi-ema ＆ scaler という"感情機構"が生み出すダイナミックな更新方法により実現しています  
 この統一的な信号は、これら多機能性をもたらす制御の源泉となり、動的LRが時間的積算で効果を発揮します  
 高効率性と集積度  
-高次moment、Kahan補償、分散･継続学習での独立性、自己修復･モデル修復、履歴補償、  
+高次moment、Kahan補償、量子化補償、分散･継続学習での独立性、自己修復･モデル修復、  
 ハイパーパラメータの自律調整、信頼度フィルタ、更新ステップの有界性、構造的耐性、自己停止、  
-動的学習率、動的スケジューラー、動的Rank/Aplha、時間的積算、などを含めた多機能性を、  
-追加テンソル不要、計算負荷ほぼなし、step毎に完全適用、します  
-これらを実現した高効率性と集積度は類するもののない稀有な実装でしょう  
+動的学習率、動的スケジューラ、動的Rank/Aplha、履歴補償、などを含めた多機能性を、  
+追加テンソル不要、計算負荷ほぼなし、step毎に完全適用、時間的積算で実現します  
+これらをワンパッケージで実現した高効率性と集積度は比肩するもののない稀有な実装です  
   
 ---emo系の履歴まとめ---
 emonavi 最終進化の概要とまとめ