平均列顺序对列排斥能的影响
( A, B )---3*30*2---( 1, 0 )( 0, 1 )
让网络的输入只有3个节点，AB训练集各由5张二值化的图片组成，让A有6个1，B有4个1，并且让这10个1的位置没有重合。比较迭代次数的顺序。
其中有9组数据
| 差值结构 | A-B | 迭代次数 | 构造平均列 | 平均列 | 列排斥能 | 空间放缩 | ||||||
| 2 | 2 | 2 | 0*1*7*4*4-7*2*0*0*0 | 4569.528 | 0 | 53 | 53 | 53 | ||||
| - | 2 | 1 | 0*1*7*4*4-7*2*0*0*0 | 4569.528 | 2 | 2 | 53 | 53 | ||||
| 1 | 1 | 1 | 0*1*7*4*4-7*2*0*0*0 | 4569.528 | 3 | 1 | 2 | 6 | 53 | 53 | ||
| 1 | - | - | 0*1*7*4*4-7*2*0*0*0 | 4569.528 | 3 | 3 | 53 | 53 | ||||
| 1 | - | - | 0*1*7*4*4-7*2*0*0*0 | 4569.528 | 3 | 3 | 53 | 53 | ||||
| 53 | 53 | |||||||||||
| 2 | 2 | 2 | 0*4*7*4*1-7*2*0*0*0 | 4600.281 | 0 | 54.5 | 54.5 | 54.5 | ||||
| 1 | 2 | - | 0*4*7*4*1-7*2*0*0*0 | 4600.281 | 3 | 3 | 54.5 | 54.5 | ||||
| 1 | 1 | 1 | 0*4*7*4*1-7*2*0*0*0 | 4600.281 | 3 | 1 | 2 | 6 | 54.5 | 54.5 | ||
| 1 | - | - | 0*4*7*4*1-7*2*0*0*0 | 4600.281 | 3 | 3 | 54.5 | 54.5 | ||||
| - | - | 1 | 0*4*7*4*1-7*2*0*0*0 | 4600.281 | 2 | 2 | 54.5 | 54.5 | ||||
| 54.5 | 54.5 | |||||||||||
| 2 | 2 | 2 | 0*1*7*4*1-7*2*0*0*0 | 4638.221 | 0 | 51 | 51 | 51 | ||||
| - | 2 | 1 | 0*1*7*4*1-7*2*0*0*0 | 4638.221 | 3 | 3 | 51 | 51 | ||||
| 1 | 1 | 1 | 0*1*7*4*1-7*2*0*0*0 | 4638.221 | 2 | 1 | 3 | 6 | 51 | 51 | ||
| 1 | - | - | 0*1*7*4*1-7*2*0*0*0 | 4638.221 | 2 | 2 | 51 | 51 | ||||
| - | - | 1 | 0*1*7*4*1-7*2*0*0*0 | 4638.221 | 3 | 3 | 51 | 51 | ||||
| 51 | 51 | |||||||||||
| 2 | 2 | 2 | 0*0*7*1*5-7*2*0*0*0 | 63216.41 | 0 | 48 | 48 | 48 | ||||
| - | 2 | - | 0*0*7*1*5-7*2*0*0*0 | 63216.41 | 0 | 48 | 48 | |||||
| 1 | 1 | 1 | 0*0*7*1*5-7*2*0*0*0 | 63216.41 | 2 | 1 | 3 | 6 | 48 | 48 | ||
| - | - | 1 | 0*0*7*1*5-7*2*0*0*0 | 63216.41 | 3 | 3 | 48 | 48 | ||||
| 1 | - | 1 | 0*0*7*1*5-7*2*0*0*0 | 63216.41 | 2 | 3 | 5 | 48 | 48 | |||
| 48 | 48 | |||||||||||
| 2 | 2 | 2 | 0*0*7*5*4-7*2*0*0*0 | 67146.21 | 0 | 54 | 54 | 54 | ||||
| - | 2 | - | 0*0*7*5*4-7*2*0*0*0 | 67146.21 | 0 | 54 | 54 | |||||
| 1 | 1 | 1 | 0*0*7*5*4-7*2*0*0*0 | 67146.21 | 3 | 1 | 2 | 6 | 54 | 54 | ||
| 1 | - | 1 | 0*0*7*5*4-7*2*0*0*0 | 67146.21 | 3 | 2 | 5 | 54 | 54 | |||
| 1 | - | - | 0*0*7*5*4-7*2*0*0*0 | 67146.21 | 3 | 3 | 54 | 54 | ||||
| 54 | 54 | |||||||||||
| 2 | 2 | 2 | 0*4*7*0*5-7*2*0*0*0 | 170514.2 | 0 | 38 | 38 | 60.8 | ||||
| 1 | 2 | - | 0*4*7*0*5-7*2*0*0*0 | 170514.2 | 3 | 3 | 38 | 60.8 | ||||
| 1 | 1 | 1 | 0*4*7*0*5-7*2*0*0*0 | 170514.2 | 3 | 1 | 2 | 6 | 38 | 60.8 | ||
| - | - | - | 0*4*7*0*5-7*2*0*0*0 | 170514.2 | 0 | 38 | 60.8 | |||||
| 1 | - | 1 | 0*4*7*0*5-7*2*0*0*0 | 170514.2 | 3 | 2 | 5 | 38 | 60.8 | |||
| 38 | 60.8 | |||||||||||
| 2 | 2 | 2 | 0*5*7*0*4-7*2*0*0*0 | 172774.4 | 0 | 44 | 44 | 70.4 | ||||
| 1 | 2 | 1 | 0*5*7*0*4-7*2*0*0*0 | 172774.4 | 3 | 2 | 5 | 44 | 70.4 | |||
| 1 | 1 | 1 | 0*5*7*0*4-7*2*0*0*0 | 172774.4 | 3 | 1 | 2 | 6 | 44 | 70.4 | ||
| - | - | - | 0*5*7*0*4-7*2*0*0*0 | 172774.4 | 0 | 44 | 70.4 | |||||
| 1 | - | - | 0*5*7*0*4-7*2*0*0*0 | 172774.4 | 3 | 3 | 44 | 70.4 | ||||
| 44 | 70.4 | |||||||||||
| 2 | 2 | 2 | 0*4*7*5*0-7*2*0*0*0 | 203027.7 | 0 | 55.5 | 55.5 | 88.8 | ||||
| 1 | 2 | - | 0*4*7*5*0-7*2*0*0*0 | 203027.7 | 3 | 3 | 55.5 | 88.8 | ||||
| 1 | 1 | 1 | 0*4*7*5*0-7*2*0*0*0 | 203027.7 | 3 | 1 | 2 | 6 | 55.5 | 88.8 | ||
| 1 | - | 1 | 0*4*7*5*0-7*2*0*0*0 | 203027.7 | 3 | 2 | 5 | 55.5 | 88.8 | |||
| - | - | - | 0*4*7*5*0-7*2*0*0*0 | 203027.7 | 0 | 55.5 | 88.8 | |||||
| 55.5 | 88.8 | |||||||||||
| 2 | 2 | 2 | 0*5*7*4*0-7*2*0*0*0 | 209318.4 | 0 | 55.5 | 55.5 | 88.8 | ||||
| 1 | 2 | 1 | 0*5*7*4*0-7*2*0*0*0 | 209318.4 | 3 | 2 | 5 | 55.5 | 88.8 | |||
| 1 | 1 | 1 | 0*5*7*4*0-7*2*0*0*0 | 209318.4 | 3 | 1 | 2 | 6 | 55.5 | 88.8 | ||
| 1 | - | - | 0*5*7*4*0-7*2*0*0*0 | 209318.4 | 3 | 3 | 55.5 | 88.8 | ||||
| - | - | - | 0*5*7*4*0-7*2*0*0*0 | 209318.4 | 0 | 55.5 | 88.8 | |||||
| 55.5 | 88.8 | |||||||||||
让迭代次数和列排斥能的和成正比，就相当于把AB训练集中的数字当作粒子，并让这些粒子之间有排斥力，并且这排斥力只有纵向分量，没有横向分量。但是A的排斥力会不会作用于B？
实验结果表明A与B之间是有相互作用的，这种相互作用至少决定了对方平均列的顺序。如上述9中情况，312在第3行的时候才能得到列排斥能和迭代次数之间的正比关系
如果把312放在第一行或第5行都这种现象都不是很明显。
对于后面4个网络
| 0*4*7*0*5-7*2*0*0*0 |
| 0*5*7*0*4-7*2*0*0*0 |
| 0*4*7*5*0-7*2*0*0*0 |
| 0*5*7*4*0-7*2*0*0*0 |
因为结构中有1个全0行，空间放缩系数为(1+1）*0.8=1.6，前5个放缩系数为1.
相关文章：
平均列顺序对列排斥能的影响
( A, B )---3*30*2---( 1, 0 )( 0, 1 ) 让网络的输入只有3个节点，AB训练集各由5张二值化的图片组成，让A有6个1，B有4个1，并且让这10个1的位置没有重合。比较迭代次数的顺序。 其中有9组数据 差值结构 A-B 迭代次数 构造平均列 …...
微信小程序-处理ios无法播放语音的问题
背景 框架：tarovue3 问题：今天搞小程序语音播放功能，开放工具播放正常，但是到ios手机上调试时无法播放，在网上找到个好办法 解决方案 核心代码 Taro.setInnerAudioOption({obeyMuteSwitch: false // 解决有一些IOS无…...
区块链 2.0笔记
区块链 2.0 以太坊概述 相对于比特币的几点改进 缩短出块时间至10多秒ghost共识机制mining puzzle BTC:计算密集型ETH：memory-hard(限制ASIC) proof of work->proof of stake对智能合约的支持 BTC：decentralized currencyETH：decentral…...
深入理解Vue响应式系统：数据绑定探索
🌷🍁 博主猫头虎 带您 Go to New World.✨🍁 🦄 博客首页——猫头虎的博客🎐 🐳《面试题大全专栏》 文章图文并茂🦕生动形象🦖简单易学！欢迎大家来踩踩~🌺 &a…...
web流程自动化详解
今天给大家带来Selenium的相关解释操作 一、Selenium Selenium是一个用于自动化Web浏览器操作的开源工具和框架。它提供了一组API（应用程序接口），可以让开发人员使用多种编程语言（如Java、Python、C#等）编写测试脚本&…...
什么是框架？为什么要学框架？
一、什么是框架 框架是整个或部分应用的可重用设计，是可定制化的应用骨架。它可以帮开发人员简化开发过程，提高开发效率。 项目里有一部分代码：和业务无关，而又不得不写的代码>框架 项目里剩下的部分代码：实现业务…...
什么是 Sass？
Sass 介绍 什么是 Sass？ 官方标语 世界上最成熟、最稳定、最强大的专业级 CSS 扩展语言。怎么理解这句话呢？我们平时写的 CSS 代码可以理解为静态样式语言，而 Scss 就是动态样式语言，何为动态？就是让你写 CSS 跟写 …...
Kotlin～Memento备忘录模式
概念 备忘录模式是一种行为型设计模式，用于捕获和存储对象的内部状态，并在需要时将对象恢复到之前的状态。 备忘录模式允许在不暴露对象内部实现细节的情况下，对对象进行状态的保存和恢复。 角色介绍 Originator：原发器&#x…...
单链表的多语言表达：C++、Java、Python、Go、Rust
单链表 是一种链式数据结构，由一个头节点和一些指向下一个节点的指针组成。每个节点包含一个数据元素和指向下一个节点的指针。头节点没有数据，只用于表示链表的开始位置。 单链表的主要操作包括： 添加元素：在链表的头部添加新…...
微信小程序 background-image直接设置本地图片路径，编辑器正常显示，真机运行不显示解决方法
项目场景 微信小程序，设置background-image直接设置本地图片路径。 问题描述 编辑器正常显示，真机运行不显示 原因分析 background-image只能用网络url或者base64图片编码。 解决方案 1、将本地图片转为网络url后设置到background-image上 例如&…...
SQLite Studio 连接 SQLite数据库
1、在SQLite中创建数据库和表 1.1、按WINR，打开控制台，然后把指引到我们的SQLite的安装路径，输入D:，切换到D盘，cd 地址，切换到具体文件夹，输入“sqlite3”，启动服务 1.2、创建数据库…...
【业务功能篇58】Springboot + Spring Security 权限管理 【中篇】
4.2.3 认证 4.2.3.1 什么是认证（Authentication） 通俗地讲就是验证当前用户的身份，证明“你是你自己”（比如：你每天上下班打卡，都需要通过指纹打卡，当你的指纹和系统里录入的指纹相匹配时&…...
Docker挂载目录失败问题解决
天行健，君子以自强不息；地势坤，君子以厚德载物。 每个人都有惰性，但不断学习是好好生活的根本，共勉！ 文章均为学习整理笔记，分享记录为主，如有错误请指正，共同学习进步。…...
css中隐藏页面中某一个元素有什么方法？
我们可以使用css的z-index属性，将元素的-index去给它设置一个负值，使它隐藏在其他元素的后面。使用css样式进行隐藏我们可以使用display这个属性。（1）使用display:none完全进行隐藏元素，并且不占据空间也不会影响页面布…...
Unity 多语言问题C#篇
DateTime.ToString()不同语言环境问题 问题描述：PlayerPrefs.SetString("timeKey", DateTime.Now.ToString());切换系统语言后DateTime.Parse(PlayerPrefs.GetString("timeKey"));报错FormatException: String was not recognized as a valid D…...
深度学习和神经网络
人工神经网络分为两个阶段： 1 ：接收来自其他n个神经元传递过来的信号，这些输入信号通过与相应的权重进行 加权求和传递给下个阶段。（预激活阶段） 2：把预激活的加权结果传递给激活函数 sum :加权 f:激活…...
在CSDN学Golang云原生（Kubernetes Volume）
一，Volume 与 configMap Kubernetes 中的 Volume 和 ConfigMap 都是 Kubernetes 中常用的资源对象。它们可以为容器提供持久化存储和配置文件等。 Volume 可以将容器内部的文件系统挂载到宿主机上，也可以将多个容器间共享一个 Volume，并且 …...
第十五章 友元 异常和其他
RTTI RTTI是什么 RTTI是运行阶段类型识别，通过运行时类型识别，程序能够使用基类的指针或者引用来检查这些指针或者引用所指向的对象的实际派生类型。 RTTI的三个元素 dynamic_cast运算符 dynamic_cast概念： dynamic_cast运算符能够将基…...
制作DBC文件
DBC文件是CAN通讯的密码本，Matlab的SimuLink中常用DBC作为CAN通讯的解析桥梁 制作DBC文件，内容是转速、位置&…...
【1.1】Java微服务：初识微服务
✅作者简介：大家好，我是 Meteors., 向往着更加简洁高效的代码写法与编程方式，持续分享Java技术内容。 🍎个人主页：Meteors.的博客 💞当前专栏： 微服务 ✨特色专栏： 知识分享 &#x…...
JavaSec-RCE
简介 RCE(Remote Code Execution)，可以分为:命令注入(Command Injection)、代码注入(Code Injection) 代码注入 1.漏洞场景：Groovy代码注入 Groovy是一种基于JVM的动态语言，语法简洁，支持闭包、动态类型和Java互操作性，…...
TDengine 快速体验（Docker 镜像方式）
简介 TDengine 可以通过安装包、Docker 镜像 及云服务快速体验 TDengine 的功能，本节首先介绍如何通过 Docker 快速体验 TDengine，然后介绍如何在 Docker 环境下体验 TDengine 的写入和查询功能。如果你不熟悉 Docker，请使用 安装包的方式快…...
【WiFi帧结构】
文章目录 帧结构MAC头部管理帧 帧结构 Wi-Fi的帧分为三部分组成：MAC头部frame bodyFCS，其中MAC是固定格式的，frame body是可变长度。 MAC头部有frame control，duration，address1，address2，addre…...
《Playwright：微软的自动化测试工具详解》
Playwright 简介:声明内容来自网络，将内容拼接整理出来的文档 Playwright 是微软开发的自动化测试工具，支持 Chrome、Firefox、Safari 等主流浏览器，提供多语言 API（Python、JavaScript、Java、.NET）。它的特点包括&a…...
iPhone密码忘记了办？iPhoneUnlocker，iPhone解锁工具Aiseesoft iPhone Unlocker 高级注册版分享
平时用 iPhone 的时候，难免会碰到解锁的麻烦事。比如密码忘了、人脸识别 / 指纹识别突然不灵，或者买了二手 iPhone 却被原来的 iCloud 账号锁住，这时候就需要靠谱的解锁工具来帮忙了。Aiseesoft iPhone Unlocker 就是专门解决这些问题的软件&…...
C++.OpenGL （10/64）基础光照（Basic Lighting）
基础光照（Basic Lighting） 冯氏光照模型（Phong Lighting Model） #mermaid-svg-GLdskXwWINxNGHso {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-GLdskXwWINxNGHso .error-icon{fill:#552222;}#mermaid-svg-GLd…...
让回归模型不再被异常值“带跑偏“，MSE和Cauchy损失函数在噪声数据环境下的实战对比
在机器学习的回归分析中，损失函数的选择对模型性能具有决定性影响。均方误差（MSE）作为经典的损失函数，在处理干净数据时表现优异，但在面对包含异常值的噪声数据时，其对大误差的二次惩罚机制往往导致模型参数…...
【分享】推荐一些办公小工具
1、PDF 在线转换 https://smallpdf.com/cn/pdf-tools 推荐理由：大部分的转换软件需要收费，要么功能不齐全，而开会员又用不了几次浪费钱，借用别人的又不安全。 这个网站它不需要登录或下载安装。而且提供的免费功能就能满足日常…...
宇树科技，改名了！
提到国内具身智能和机器人领域的代表企业，那宇树科技（Unitree）必须名列其榜。 最近，宇树科技的一项新变动消息在业界引发了不少关注和讨论，即： 宇树向其合作伙伴发布了一封公司名称变更函称，因…...
华为OD机试-最短木板长度-二分法(A卷,100分)
此题是一个最大化最小值的典型例题， 因为搜索范围是有界的，上界最大木板长度补充的全部木料长度，下界最小木板长度； 即left0,right10^6; 我们可以设置一个候选值x(mid)，将木板的长度全部都补充到x，如果成功…...