10- 增量视频
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
增量视频是一种学习或观看视频记录的方法，目的是对所看的材料形成长久的记忆。增量视频使得进行多个视频而不忽视其中任何一个的学习方式成为可能。它对各个视频的处理是同时进行的，对各个视频的时间分配取决于学习者决定的优先次序。增量视频对于视频来说就像 增量阅读 对于对于电子文本的学习一样。在增量视频中，由用户来决定视频中哪些重要部分需要被记住。这些部分是 SuperMemo 其他应用程序已知的标准学习过程的一部分。这些视频的每一部分都将形成一个独立的 主题，并以越来越长的 时间间隔 进行复习。即使和成百上千的视频打交道，但你也不会感到迷失，
Jason-XJ
Pkmer
12- 增量邮件处理
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
SuperMemo 可以轻松解决邮件过载问题，而不会忽视最重要的沟通渠道。 除了优先安排和管理沟通之外，SuperMemo 还可以帮助您： 1. 在学习过程中嵌入电子邮件交流（例如转发和讨论重要知识） 2. 在电子邮件通信中嵌入学习（例如，记住与邮件通信相关的重要事实） 要在 SuperMemo 中充分使用电子邮件功能，您需要 Windows（Live）mail（或任何其他支持 EML 的电子邮件客户端）或 MS Outlook 2000 或更高版本。通过邮件发送 SuperMemo 元素 或对象至少需要与 MAPI 兼容的邮
Jason-XJ
Pkmer
02- 增量阅读
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
传统的线性阅读是非常低效的。这来自于一个事实，即文本的各个部分是不同的重要性。一些应该被忽略。其他应以第一优先级的顺序阅读。老式的书籍很快被替换为超文本。超文本将帮助您快速跳转到那些不管什么时候都是最重要的信息上。超文本写作需要一个不同的风格。所有的线性文本可以假定读者熟悉前面几节。这使得它们极其依赖上下文。在超文本，各个文本都将和上下文无关，所有困难的术语和概念主要有额外的超链接解释。就好像网络帮助把全球的信息资源进行了非线性化一样，SuperMemo 可以帮助您非线性化您阅读中的任何您决定要导入 SuperMemo 的线性材料。
Quorafind, Jason-XJ
Pkmer
16- 增量学习的历史
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
增量学习对 SuperMemo 的重要性可能不亚于 重复间隔想法。增量学习打破了各个阶段限制 知识获取 的瓶颈。 增量阅读 这个名字第一次出现在 SuperMemo 2000 中。然而，这个概念并不新鲜。它起源于将我们的自然阅读习惯与 间隔性重复 (SuperMemo) 的要求相结合。我们很少拿起一本书，一口气从头到尾看完。在学校，我们经常会翻阅不同课程的教科书。在家里，我们不再读书看报，而是去看电视。各种需求和兴趣的结合决定了我们在阅读单个文本时的深度。SuperMemo 将这一概念推向了极致，它让你只阅读一本书的一章中的一句话，然后再
Jason-XJ
Pkmer
14- 神经网络创新
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
SuperMemo 17 引入了一种新的增量学习的形式，我们将其称为神经学习。在神经学习中，SuperMemo 向学生提供与所选主题、文章、图片等相关的知识。知识是以神经方式提供的，也就是说，需要通过顺序探索 SuperMemo 中自动或手动建立的信息网络的语义连接来进行学习。SuperMemo 从大脑的工作方式中获得灵感。用 SuperMemo 增强的创造是非常缓慢的，但它是有针对性和条理性的。神经创造的工作方式就像一个在 SuperMemo 中存储的、可以记忆扩展的慢速大脑。神经学习在研究问题、解决问题、创意写作、探索性学习等方
Jason-XJ
Pkmer
06- 示例：增量阅读的应用
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
以下例子是从 super-memory.com 上发表的各种文章中收集的。它们说明了如何将电子文本转换为 完形填空，以及如何在文章，摘录 和 完形填空 层面解决问题。 以句子形式被动处理的知识很少在你的记忆中留下持久的痕迹，即使这些知识被定期回忆。很多时候，只要过了 2-3 个月，你就会注意到，在回忆时，你实际上似乎无法回忆起你的 记忆 中曾有过一个特定的句子。你很快就会发现，你需要主动回忆，才能记住。而主动回忆是一个过程，对此你必须回答问题才行。例如，你可能会看到一张 查尔斯 · 达尔文（Charles Darwin） 的照片，
Jason-XJ
Pkmer
15- 增量学习的谬论
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
SuperMemo 总是不得不与减缓其普及的谬论作斗争。防止谬论的再次出现似乎是一场无休止的战斗。关于 SuperMemo 的知识已经增长到一个相当庞大的数量。不是所有的用户都能读得起几十篇文章。许多用户必然会单独得出同样错误的结论。其中一些谬论植根于关于记忆的常规谬论中，另一些则是源于对学习的常识性思考。下面是一些与间隔性重复、SuperMemo 和增量学习有关的最具破坏性的谬论。
Jason-XJ
Pkmer
13- 增量学习中的创新
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
增量学习通过在学习过程中以接近的顺序出现的远程想法的联想来促进创造力。这种增量学习的特点可以用于各种需要额外知识或更好回忆的创造性过程。通过增量学习增强创造力的最有用的例子是： 1. 增量问题求解 2. 增量写作 3. 增量式头脑风暴 增量学习可以帮助你解决问题。对于具有以下属性的问题类别，它将特别有用： SuperMemo 中的许多技术问题和错误都已通过增量问题解决方法得到解决。增量方法最适合于具有多个推理路径或需要丰富的新信息输入的复杂问题。SuperMemo 中的一些错误由于其复杂的技术背景或难
Jason-XJ
Pkmer
11- 增量音频
本文根据SuperMemo 18 文档翻译而成，原项目文档请见 https://help.supermemo.org/wiki/Incremental_learning
增量音频类似于 增量视频。你可以用增量视频来处理来自 YouTube 的音频信息，也可以用声音 组件 中的专用提取条来导入和处理声音文件（如 MP3、WMA、WAV 等）。 处理声音文件和处理视频文件是一样的。唯一的区别是，你将使用声音 组件 而不是视频组件。这些组件将在导入时自动为你创建 文件 ： 导入 ： 文件和文件夹（可从 主菜单 获得）。详见： 带有视频文件的增量视频：概要。 详见： Incremental video with YouTube: Outline，以了解如何在增量音频过程中使用 YouTube 材
Jason-XJ
Pkmer
Image2LaTEX
识别剪切板中的图片中的数学公式并且转换为 latex
多行公式 image.png 矩阵识别 image.png 手写识别 image.png 该插件实际上是调用了 simpletex 进行的公式识别，因此需要联网使用。并且在使用之前，需要进行一些简单配置 image.png 点击按钮：前往 API 仪表板 image.png 点击：用户授权令牌创建一个 token，复制 token 
Huajin
Pkmer
Obsidian 样式 - 用分割线实现简单分栏
用分割线实现简单分栏
image.png image.png 优点 缺点 代码来自：zamsyt/obsidian-snippets: CSS snippets for Obsidian (github.com) 项目中的 Easy Multi column notes。项目中有演示视频，时长 53s css / Multicolumn Notes v0.5.4 github.com/zamsyt / .markdown-preview-view div:has(hr)+>hr, .markdown-source-vie
Huajin
Pkmer