分类过程中的一种遮挡现象
( 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6张二值化的图片组成,让A,B中各有3个点,且不重合,统计迭代次数并排序。
其中有10组数据
| 差值结构 | 迭代次数 | 构造平均列A | 构造平均列AB | 平均列A | EA | 平均列AB | EAB | EA+EAB | ||||||||||||
| 2 | 2 | 2 | 53740.37 | 2 | 2 | 2 | -3 | 0 | 1.5 | 1.5 | -3 | -6 | -6 | -4.5 | ||||||
| - | 1 | 1 | 53740.37 | - | 1 | 1 | - | 1 | 1 | 3 | 1.5 | 2 | -6 | -4.5 | ||||||
| - | - | - | 53740.37 | - | - | - | - | - | - | 0 | 1.5 | 0 | -6 | -4.5 | ||||||
| - | - | - | 53740.37 | - | - | - | - | - | - | 0 | 1.5 | 0 | -6 | -4.5 | ||||||
| - | - | - | 53740.37 | - | - | - | - | - | - | 0 | 1.5 | 0 | -6 | -4.5 | ||||||
| - | 1 | - | 53740.37 | - | 1 | - | - | - | 2 | 1.5 | 0 | -6 | -4.5 | |||||||
| 0 | 1.5 | 0 | -6 | -4.5 | ||||||||||||||||
| 2 | 2 | 2 | 54020.53 | 2 | 2 | 2 | 0 | 2 | 2 | -3 | -3 | -3 | -1 | |||||||
| - | - | - | 54020.53 | - | - | - | - | - | - | 0 | 2 | 0 | -3 | -1 | ||||||
| - | 1 | 1 | 54020.53 | - | 1 | 1 | - | 1 | 1 | 3 | 2 | 2 | -3 | -1 | ||||||
| - | - | - | 54020.53 | - | - | - | - | - | - | 0 | 2 | 0 | -3 | -1 | ||||||
| - | - | - | 54020.53 | - | - | - | - | - | - | 0 | 2 | 0 | -3 | -1 | ||||||
| - | - | 1 | 54020.53 | - | - | 1 | - | - | 2 | 2 | 0 | -3 | -1 | |||||||
| 0 | 2 | 0 | -3 | -1 | ||||||||||||||||
| 2 | 2 | 2 | 53802.23 | 2 | 2 | 2 | 0 | 2 | 2 | -3 | -6 | -6 | -4 | |||||||
| 1 | 1 | - | 53802.23 | 1 | 1 | - | 1 | 1 | - | 3 | 2 | 2 | -6 | -4 | ||||||
| - | - | - | 53802.23 | - | - | - | - | - | - | 0 | 2 | 0 | -6 | -4 | ||||||
| - | - | - | 53802.23 | - | - | - | - | - | - | 0 | 2 | 0 | -6 | -4 | ||||||
| 1 | - | - | 53802.23 | 1 | - | - | - | - | 2 | 2 | 0 | -6 | -4 | |||||||
| - | - | - | 53802.23 | - | - | - | - | - | - | 0 | 2 | 0 | -6 | -4 | ||||||
| 0 | 2 | 0 | -6 | -4 | ||||||||||||||||
| 2 | 2 | 2 | 53911.96 | 2 | 2 | 2 | 0 | 3 | 3 | -3 | -6 | -6 | -3 | |||||||
| 1 | - | 1 | 53911.96 | 1 | - | 1 | 1 | - | 1 | 3 | 3 | 2 | -6 | -3 | ||||||
| - | - | - | 53911.96 | - | - | - | - | - | - | 0 | 3 | 0 | -6 | -3 | ||||||
| 1 | - | - | 53911.96 | 1 | - | - | - | - | 2 | 3 | 0 | -6 | -3 | |||||||
| - | - | - | 53911.96 | - | - | - | - | - | - | 0 | 3 | 0 | -6 | -3 | ||||||
| - | - | - | 53911.96 | - | - | - | - | - | - | 0 | 3 | 0 | -6 | -3 | ||||||
| 0 | 3 | 0 | -6 | -3 | ||||||||||||||||
| 2 | 2 | 2 | 53972.02 | 2 | 2 | 2 | 0 | 6 | 6 | -3 | -6 | -6 | 0 | |||||||
| - | 1 | 1 | 53972.02 | - | 1 | 1 | - | 1 | 1 | 3 | 6 | 2 | -6 | 0 | ||||||
| - | 1 | - | 53972.02 | - | 1 | - | - | - | 2 | 6 | 0 | -6 | 0 | |||||||
| - | - | - | 53972.02 | - | - | - | - | - | - | 0 | 6 | 0 | -6 | 0 | ||||||
| - | - | - | 53972.02 | - | - | - | - | - | - | 0 | 6 | 0 | -6 | 0 | ||||||
| - | - | - | 53972.02 | - | - | - | - | - | - | 0 | 6 | 0 | -6 | 0 | ||||||
| 0 | 6 | 0 | -6 | 0 | ||||||||||||||||
| 2 | 2 | 2 | 53905.34 | 2 | 2 | 2 | 0 | 3 | 3 | -3 | -3 | -3 | 0 | |||||||
| - | - | - | 53905.34 | - | - | - | - | - | - | 0 | 3 | 0 | -3 | 0 | ||||||
| 1 | - | 1 | 53905.34 | 1 | - | 1 | 1 | - | 1 | 3 | 3 | 2 | -3 | 0 | ||||||
| - | - | - | 53905.34 | - | - | - | - | - | - | 0 | 3 | 0 | -3 | 0 | ||||||
| 1 | - | - | 53905.34 | 1 | - | - | - | - | 2 | 3 | 0 | -3 | 0 | |||||||
| - | - | - | 53905.34 | - | - | - | - | - | - | 0 | 3 | 0 | -3 | 0 | ||||||
| 0 | 3 | 0 | -3 | 0 | ||||||||||||||||
| 2 | 2 | 2 | 54350.9 | 2 | 2 | 2 | 0 | 6 | 6 | -3 | -3 | -3 | 3 | |||||||
| - | - | - | 54350.9 | - | - | - | - | - | - | 0 | 6 | 0 | -3 | 3 | ||||||
| - | 1 | 1 | 54350.9 | - | 1 | 1 | - | 1 | 1 | 3 | 6 | 2 | -3 | 3 | ||||||
| - | - | 1 | 54350.9 | - | - | 1 | - | - | 2 | 6 | 0 | -3 | 3 | |||||||
| - | - | - | 54350.9 | - | - | - | - | - | - | 0 | 6 | 0 | -3 | 3 | ||||||
| - | - | - | 54350.9 | - | - | - | - | - | - | 0 | 6 | 0 | -3 | 3 | ||||||
| 0 | 6 | 0 | -3 | 3 | ||||||||||||||||
| 2 | 2 | 2 | 54569.45 | 2 | 2 | 2 | 0 | 3 | 3 | -3 | -2 | -2 | 1 | |||||||
| - | - | - | 54569.45 | - | - | - | - | - | - | 0 | 3 | 0 | -2 | 1 | ||||||
| - | - | - | 54569.45 | - | - | - | - | - | - | 0 | 3 | 0 | -2 | 1 | ||||||
| 1 | 1 | - | 54569.45 | 1 | 1 | - | 1 | 1 | - | 3 | 3 | 2 | -2 | 1 | ||||||
| - | - | - | 54569.45 | - | - | - | - | - | - | 0 | 3 | 0 | -2 | 1 | ||||||
| - | 1 | - | 54569.45 | - | 1 | - | - | - | 2 | 3 | 0 | -2 | 1 | |||||||
| 0 | 3 | 0 | -2 | 1 | ||||||||||||||||
| 2 | 2 | 2 | 54609.06 | 2 | 2 | 2 | 0 | 6 | 6 | -3 | -2 | -2 | 4 | |||||||
| - | - | - | 54609.06 | - | - | - | - | - | - | 0 | 6 | 0 | -2 | 4 | ||||||
| - | - | - | 54609.06 | - | - | - | - | - | - | 0 | 6 | 0 | -2 | 4 | ||||||
| 1 | 1 | - | 54609.06 | 1 | 1 | - | 1 | 1 | - | 3 | 6 | 2 | -2 | 4 | ||||||
| 1 | - | - | 54609.06 | 1 | - | - | - | - | 2 | 6 | 0 | -2 | 4 | |||||||
| - | - | - | 54609.06 | - | - | - | - | - | - | 0 | 6 | 0 | -2 | 4 | ||||||
| 0 | 6 | 0 | -2 | 4 | ||||||||||||||||
| 2 | 2 | 2 | 55200.75 | 2 | 2 | 2 | 0 | 6 | 6 | -3 | -1.5 | -1.5 | 4.5 | |||||||
| - | - | - | 55200.75 | - | - | - | - | - | - | 0 | 6 | 0 | -1.5 | 4.5 | ||||||
| - | - | - | 55200.75 | - | - | - | - | - | - | 0 | 6 | 0 | -1.5 | 4.5 | ||||||
| - | - | - | 55200.75 | - | - | - | - | - | - | 0 | 6 | 0 | -1.5 | 4.5 | ||||||
| 1 | 1 | - | 55200.75 | 1 | 1 | - | 1 | 1 | - | 3 | 6 | 2 | -1.5 | 4.5 | ||||||
| - | 1 | - | 55200.75 | - | 1 | - | - | - | 2 | 6 | 0 | -1.5 | 4.5 | |||||||
| 0 | 6 | 0 | -1.5 | 4.5 | ||||||||||||||||
如果等位点A为1,B为0,记为1;A为0,B为1记为2;AB都是1记为“+”;AB都是0记为“-”。
假设训练集的数字和数字之间有排斥,网络收敛迭代次数与排斥能成正比。假设排斥能由3部分构成E=EA+EB+EAB。

其中的EA和EB可以很简单的由上方法计算。但在计算AB之间的相互作用时假设这种作用只能在临近行之间进行,由于遮挡效应这种排斥无法隔行传递。
| 差值结构 | 迭代次数 | 构造平均列A | 构造平均列AB | ||||||||
| 2 | 2 | 2 | 53740.37 | 2 | 2 | 2 | |||||
| - | 1 | 1 | 53740.37 | - | 1 | 1 | - | 1 | 1 | ||
| - | - | - | 53740.37 | - | - | - | - | - | - | ||
| - | - | - | 53740.37 | - | - | - | - | - | - | ||
| - | - | - | 53740.37 | - | - | - | - | - | - | ||
| - | 1 | - | 53740.37 | - | 1 | - | - | - | |||
因为差值结构第5行的1被第2行的数字遮挡,因此第5行的1不参与两个训练集之间的排斥作用。因为B只有单行,因此排斥能为EB=0。因此总的排斥能就是EA+EAB。

这条曲线和迭代次数成正比。
相关文章:
分类过程中的一种遮挡现象
( 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6张二值化的图片组成,让A,B中各有3个点,且不重合,统计迭代次数并排序。 其中有10组数据 差值结构 迭代次数 构造平均列A 构造平均列AB…...
下一代服务架构:单体架构-->分布式架构-->微服务(DDD)-->软件定义架构(SDF with GraphEngine)
参考:自己实现一个SQL解析引擎_曾经的学渣的博客-CSDN博客...
excel 之 VBA
1、excel和VBA 高效办公,把重复性的工作写成VBA代码(VB代码的衍生物,语法和VBA相同)。 首先打开开发工具模式,如果没有选显卡,需要手动打开 打开程序编辑界面 快捷键 altF11一般操作 程序调试…...
【数学建模】--聚类模型
聚类模型的定义: “物以类聚,人以群分”,所谓的聚类,就是将样本划分为由类似的对象组成的多个类的过程。聚类后,我们可以更加准确的在每个类中单独使用统计模型进行估计,分析或预测;也可以探究不…...
css3新增选择器总结
目录 一、属性选择器 二、结构伪类选择器 三、伪元素选择器 四、UI状态伪类选择器 五、反选伪类选择器 六、target选择器 七、父亲选择器、后代选择器 八、相邻兄弟选择器、兄弟们选择器 一、属性选择器 (除IE6外的大部分浏览器支持) E&#…...
0基础学C#笔记10:归并排序法
文章目录 前言一、递归的方式二、代码总结 前言 将一个大的无序数组有序,我们可以把大的数组分成两个,然后对这两个数组分别进行排序,之后在把这两个数组合并成一个有序的数组。由于两个小的数组都是有序的,所以在合并的时候是很…...
nlohmann json:通过for遍历object和array
object和array可以使用数for进行遍历: #include <iostream> #include <nlohmann/json.hpp> using namespace std; using json = nlohmann::json;auto checkJsonType(json& x) {if(x.type() == json::value_t::null){cout<<x<<" is null&quo…...
适配器模式:将不兼容的接口转换为可兼容的接口
适配器模式:将不兼容的接口转换为可兼容的接口 什么是适配器模式? 适配器模式是一种结构型设计模式,用于将一个类的接口转换为客户端所期望的另一个接口。它允许不兼容的类能够合作,使得原本由于接口不匹配而无法工作的类能够一…...
【量化课程】07_量化回测
文章目录 7.1 pandas计算策略评估指标数据准备净值曲线年化收益率波动率最大回撤Alpha系数和Beta系数夏普比率信息比率 7.2 聚宽平台量化回测实践平台介绍策略实现 7.3 Backtrader平台量化回测实践Backtrader简介Backtrader量化回测框架实践 7.4 BigQuant量化框架实战BigQuant简…...
竞赛项目 深度学习花卉识别 - python 机器视觉 opencv
文章目录 0 前言1 项目背景2 花卉识别的基本原理3 算法实现3.1 预处理3.2 特征提取和选择3.3 分类器设计和决策3.4 卷积神经网络基本原理 4 算法实现4.1 花卉图像数据4.2 模块组成 5 项目执行结果6 最后 0 前言 🔥 优质竞赛项目系列,今天要分享的是 &a…...
用对角线去遍历矩阵
声明 该系列文章仅仅展示个人的解题思路和分析过程,并非一定是优质题解,重要的是通过分析和解决问题能让我们逐渐熟练和成长,从新手到大佬离不开一个磨练的过程,加油! 原题链接 用对角线遍历矩阵https://leetcode.c…...
【vue】点击按钮弹出卡片,点击卡片中的取消按钮取消弹出的卡片(附代码)
实现思路: 在按钮上绑定一个点击事件,默认是true;在export default { }中注册变量给卡片标签用v-if判断是否要显示卡片,ture则显示;在卡片里面写好你想要展示的数据;给卡片添加一个取消按钮,绑…...
【K8S】pod 基础概念讲解
目录 Pod基础概念:在Kubrenetes集群中Pod有如下两种使用方式:pause容器使得Pod中的所有容器可以共享两种资源:网络和存储。总结:kubernetes中的pause容器主要为每个容器提供以下功能:Kubernetes设计这样的Pod概念和特殊…...
ASP.NET Core中间件记录管道图和内置中间件
管道记录 下图显示了 ASP.NET Core MVC 和 Razor Pages 应用程序的完整请求处理管道 中间件组件在文件中添加的顺序Program.cs定义了请求时调用中间件组件的顺序以及响应的相反顺序。该顺序对于安全性、性能和功能至关重要。 内置中间件记录 内置中间件原文翻译MiddlewareDe…...
[系统安全] 五十二.DataCon竞赛 (1)2020年Coremail钓鱼邮件识别及分类详解
您可能之前看到过我写的类似文章,为什么还要重复撰写呢?只是想更好地帮助初学者了解病毒逆向分析和系统安全,更加成体系且不破坏之前的系列。因此,我重新开设了这个专栏,准备系统整理和深入学习系统安全、逆向分析和恶意代码检测,“系统安全”系列文章会更加聚焦,更加系…...
Android学习之路(3) 布局
线性布局LinearLayout 前几个小节的例程中,XML文件用到了LinearLayout布局,它的学名为线性布局。顾名思义,线性布局 像是用一根线把它的内部视图串起来,故而内部视图之间的排列顺序是固定的,要么从左到右排列…...
Python实现GA遗传算法优化XGBoost回归模型(XGBRegressor算法)项目实战
说明:这是一个机器学习实战项目(附带数据代码文档视频讲解),如需数据代码文档视频讲解可以直接到文章最后获取。 1.项目背景 遗传算法(Genetic Algorithm,GA)最早是由美国的 John holland于20世…...
C#软件外包开发流程
C# 是一种由微软开发的多范式编程语言,常用于开发各种类型的应用程序,从桌面应用程序到移动应用程序和Web应用程序。下面和大家分享 C# 编程学习流程,希望对大家有所帮助。北京木奇移动技术有限公司,专业的软件外包开发公司&#…...
队列的实现
1.队列的概念 队列:只允许在一端进行插入数据操作,在另一端进行删除数据操作的特殊线性表,队列具有先进先出FIFO(First In First Out)。 入队列:进行插入操作的一端称为队尾 出队列:进行删除操作的一端称为队头 2.队列…...
Node + Express 后台开发 —— 起步
Node Express 后台开发 —— 起步 前面陆续学习了一下 node、npm、模块,也稍尝试 Express,感觉得换一个思路加快进行。 比如笔者对前端的开发已较熟悉,如果领导给一个内部小网站的需求,难道说你得给我配置一个后端?…...
HTML 语义化
目录 HTML 语义化HTML5 新特性HTML 语义化的好处语义化标签的使用场景最佳实践 HTML 语义化 HTML5 新特性 标准答案: 语义化标签: <header>:页头<nav>:导航<main>:主要内容<article>&#x…...
MySQL 隔离级别:脏读、幻读及不可重复读的原理与示例
一、MySQL 隔离级别 MySQL 提供了四种隔离级别,用于控制事务之间的并发访问以及数据的可见性,不同隔离级别对脏读、幻读、不可重复读这几种并发数据问题有着不同的处理方式,具体如下: 隔离级别脏读不可重复读幻读性能特点及锁机制读未提交(READ UNCOMMITTED)允许出现允许…...
Robots.txt 文件
什么是robots.txt? robots.txt 是一个位于网站根目录下的文本文件(如:https://example.com/robots.txt),它用于指导网络爬虫(如搜索引擎的蜘蛛程序)如何抓取该网站的内容。这个文件遵循 Robots…...
【服务器压力测试】本地PC电脑作为服务器运行时出现卡顿和资源紧张(Windows/Linux)
要让本地PC电脑作为服务器运行时出现卡顿和资源紧张的情况,可以通过以下几种方式模拟或触发: 1. 增加CPU负载 运行大量计算密集型任务,例如: 使用多线程循环执行复杂计算(如数学运算、加密解密等)。运行图…...
高防服务器能够抵御哪些网络攻击呢?
高防服务器作为一种有着高度防御能力的服务器,可以帮助网站应对分布式拒绝服务攻击,有效识别和清理一些恶意的网络流量,为用户提供安全且稳定的网络环境,那么,高防服务器一般都可以抵御哪些网络攻击呢?下面…...
云原生玩法三问:构建自定义开发环境
云原生玩法三问:构建自定义开发环境 引言 临时运维一个古董项目,无文档,无环境,无交接人,俗称三无。 运行设备的环境老,本地环境版本高,ssh不过去。正好最近对 腾讯出品的云原生 cnb 感兴趣&…...
LRU 缓存机制详解与实现(Java版) + 力扣解决
📌 LRU 缓存机制详解与实现(Java版) 一、📖 问题背景 在日常开发中,我们经常会使用 缓存(Cache) 来提升性能。但由于内存有限,缓存不可能无限增长,于是需要策略决定&am…...
tomcat入门
1 tomcat 是什么 apache开发的web服务器可以为java web程序提供运行环境tomcat是一款高效,稳定,易于使用的web服务器tomcathttp服务器Servlet服务器 2 tomcat 目录介绍 -bin #存放tomcat的脚本 -conf #存放tomcat的配置文件 ---catalina.policy #to…...
Ubuntu系统复制(U盘-电脑硬盘)
所需环境 电脑自带硬盘:1块 (1T) U盘1:Ubuntu系统引导盘(用于“U盘2”复制到“电脑自带硬盘”) U盘2:Ubuntu系统盘(1T,用于被复制) !!!建议“电脑…...
python打卡第47天
昨天代码中注意力热图的部分顺移至今天 知识点回顾: 热力图 作业:对比不同卷积层热图可视化的结果 def visualize_attention_map(model, test_loader, device, class_names, num_samples3):"""可视化模型的注意力热力图,展示模…...
