简而言之就是对象找错空间了。
但课程常说的是联结模型是对的，而对于联结模型中的输入空间输出空间匹配错了。我的这种情况是用旧知识去套，产生的预测错误，错配导致的预测错误，但因为旧知识可以判别，但是输入空间是对的，不对的是输出空间（图像变大），所以我的这种情况还比较特殊。
归纳是几个到普遍的过程，以上的过程，我不是自下而上的，==所以不涉及归纳==！！！！！
**输入空间层级判别不足导致的联结模型误迁移**，x到3x是一种变化率改变的变大，而非仅仅是变大。
乘法变大这个联结模型错配到图像变大，而非变化率变大。所以最终这个图像整体变扁让我无法理解，甚至反直觉。
由于错配导致的矛盾，让我无法建立上层概念，我只能化为经验，对于操作（套路，整体代入法）我也只能化为经验去记忆了
有这样一个现象
我在理解为什么sinx变成sin3x时，函数的图像居然变扁了，这让我不能理解，反思时，我发现潜意识中，我一直用“乘法变大”这个特征去处理，比如说，x变成3x，整体应该是变大了，所以函数图应该变大才对，但实际却变扁变小了很反直觉，让我不能理解。
后来我才意识到，变大的其实是变化率，变化率变大就意味着一段时间内产生更多的变化，所对应的就是函数图像变扁，因为扁了，相同一段长度，变化的东西才会更多。
理解到这点我算是彻底搞明白了。
那么之前我一直没有意识到我用变大图像就变大这个特点去处理，对应课程是上下错配，还是说用已有的知识归纳时发现无法验证，还是说这上下错配和归纳后验证时发生矛盾其实是一回事呢？
