当前位置: 首页 > news >正文

用神经网络分类上和下

( A, B )---3*30*2---( 1, 0 )( 0, 1 )

做一个网络,输入为3个点,训练集A,B各有4张图片。让B的4张图片全是0.排列组合A,记录迭代次数平均值的变化。收敛误差为7e-4,每个网络收敛199次。

其中得到一组数据

差值结构

1-A-B

迭代次数

差值结构

2-A-B

迭代次数

0

0

0

0*3*1*6-0*0*0*0

6394.4774

1

1

0

6*1*3*0-0*0*0*0

7134.0452

0

1

1

0*3*1*6-0*0*0*0

6394.4774

0

0

1

6*1*3*0-0*0*0*0

7134.0452

0

0

1

0*3*1*6-0*0*0*0

6394.4774

0

1

1

6*1*3*0-0*0*0*0

7134.0452

1

1

0

0*3*1*6-0*0*0*0

6394.4774

0

0

0

6*1*3*0-0*0*0*0

7134.0452

0

0

0

0*6*4*3-0*0*0*0

6408.3869

0

1

1

3*4*6*0-0*0*0*0

7174.8894

1

1

0

0*6*4*3-0*0*0*0

6408.3869

1

0

0

3*4*6*0-0*0*0*0

7174.8894

1

0

0

0*6*4*3-0*0*0*0

6408.3869

1

1

0

3*4*6*0-0*0*0*0

7174.8894

0

1

1

0*6*4*3-0*0*0*0

6408.3869

0

0

0

3*4*6*0-0*0*0*0

7174.8894

0

1

1

3*1*6*0-0*0*0*0

6488.0352

0

0

0

0*6*1*3-0*0*0*0

7141.7538

0

0

1

3*1*6*0-0*0*0*0

6488.0352

1

1

0

0*6*1*3-0*0*0*0

7141.7538

1

1

0

3*1*6*0-0*0*0*0

6488.0352

0

0

1

0*6*1*3-0*0*0*0

7141.7538

0

0

0

3*1*6*0-0*0*0*0

6488.0352

0

1

1

0*6*1*3-0*0*0*0

7141.7538

1

1

0

6*4*3*0-0*0*0*0

6390.9497

0

0

0

0*3*4*6-0*0*0*0

7112.809

1

0

0

6*4*3*0-0*0*0*0

6390.9497

0

1

1

0*3*4*6-0*0*0*0

7112.809

0

1

1

6*4*3*0-0*0*0*0

6390.9497

1

0

0

0*3*4*6-0*0*0*0

7112.809

0

0

0

6*4*3*0-0*0*0*0

6390.9497

1

1

0

0*3*4*6-0*0*0*0

7112.809

0

0

1

1*6*0*3-0*0*0*0

6462.3166

0

1

1

3*0*6*1-0*0*0*0

7140.9397

1

1

0

1*6*0*3-0*0*0*0

6462.3166

0

0

0

3*0*6*1-0*0*0*0

7140.9397

0

0

0

1*6*0*3-0*0*0*0

6462.3166

1

1

0

3*0*6*1-0*0*0*0

7140.9397

0

1

1

1*6*0*3-0*0*0*0

6462.3166

0

0

1

3*0*6*1-0*0*0*0

7140.9397

1

0

0

4*3*0*6-0*0*0*0

6486.1156

1

1

0

6*0*3*4-0*0*0*0

7181.9447

0

1

1

4*3*0*6-0*0*0*0

6486.1156

0

0

0

6*0*3*4-0*0*0*0

7181.9447

0

0

0

4*3*0*6-0*0*0*0

6486.1156

0

1

1

6*0*3*4-0*0*0*0

7181.9447

1

1

0

4*3*0*6-0*0*0*0

6486.1156

1

0

0

6*0*3*4-0*0*0*0

7181.9447

1

1

0

6*0*3*1-0*0*0*0

6379.392

0

0

1

1*3*0*6-0*0*0*0

7126.4573

0

0

0

6*0*3*1-0*0*0*0

6379.392

0

1

1

1*3*0*6-0*0*0*0

7126.4573

0

1

1

6*0*3*1-0*0*0*0

6379.392

0

0

0

1*3*0*6-0*0*0*0

7126.4573

0

0

1

6*0*3*1-0*0*0*0

6379.392

1

1

0

1*3*0*6-0*0*0*0

7126.4573

0

1

1

3*0*6*4-0*0*0*0

6444.2764

1

0

0

4*6*0*3-0*0*0*0

7173.6533

0

0

0

3*0*6*4-0*0*0*0

6444.2764

1

1

0

4*6*0*3-0*0*0*0

7173.6533

1

1

0

3*0*6*4-0*0*0*0

6444.2764

0

0

0

4*6*0*3-0*0*0*0

7173.6533

1

0

0

3*0*6*4-0*0*0*0

6444.2764

0

1

1

4*6*0*3-0*0*0*0

7173.6533

这16组数据,左侧为第1列,右侧的为第2列。第1列的迭代次数全都小于第2列, 并且第1列和第2列的差值结构都是上下对称的,比如前3组

1

2

0

0

0

1

1

0

0

1

1

0

0

1

0

0

1

0

1

1

1

1

0

0

0

0

0

0

0

0

1

1

1

1

0

1

0

0

1

0

0

1

1

0

0

1

1

0

0

0

0

1

1

0

0

0

0

0

1

1

1

0

1

1

0

0

0

1

0

0

0

0

1

1

左右两侧的结构是对称的,但迭代次数确不相同,这种对称性被破缺了,神经网络到底是如何判断哪个是上,哪个是下的?

比较二者的结构

0*3*1*6-0*0*0*0

0

0

0

0

1

1

1

1

0

0

1

1

0

0

1

0

1

1

0

0

1

1

1

0

0

0

1

1

1

0

如果略去全是0的一行,第1列的结构都可以变换成上三角矩阵。

3*4*6*0-0*0*0*0

0

1

1

0

1

1

1

1

0

1

0

0

1

0

0

1

0

0

0

1

1

1

1

0

1

1

0

1

1

0

1

0

0

0

1

1

0

0

0

而第2列的结构经变换后得到的都是下三角矩阵。

所以上三角矩阵的迭代次数是小于下三角矩阵的迭代次数的,

A

B

1

1

0

0

0

0

0

1

1

1

0

0

0

0

1

1

1

0

0

0

0

0

1

1

 质心越低的迭代次数越大。所以对于这种特别的情况,用神经网络分类上下是可能的。尽管差值结构可以按照行1→2→3→4→1的顺序随意的变换而不改变迭代次数,但这种变换本身并不会改变形态内在的上下特征,这意味这神经网络各行的权重是不同的。而差值结构的列都可以按照1→2→3→1的顺序变换而不改变迭代次数,如

0

0

0

0*3*1*6-0*0*0*0

6394.477387

0

1

1

0*3*1*6-0*0*0*0

6394.477387

0

0

1

0*3*1*6-0*0*0*0

6394.477387

1

1

0

0*3*1*6-0*0*0*0

6394.477387

0

0

0

0*6*2*5-0*0*0*0

6478.336683

1

1

0

0*6*2*5-0*0*0*0

6478.336683

0

1

0

0*6*2*5-0*0*0*0

6478.336683

1

0

1

0*6*2*5-0*0*0*0

6478.336683

0

0

0

0*5*4*3-0*0*0*0

6415.944724

1

0

1

0*5*4*3-0*0*0*0

6415.944724

1

0

0

0*5*4*3-0*0*0*0

6415.944724

0

1

1

0*5*4*3-0*0*0*0

6415.944724

这说明神经网络各列是同权的,无差别,所以如果神经网络有质心,应该是到边的而不是到中心的。

差值结构

1-A-B

迭代次数

差值结构

2-A-B

迭代次数

1

1

0

0

0

0

0*3*1*6-0*0*0*0

6394.4774

1

1

0

6*1*3*0-0*0*0*0

7134.0452

0

0

1

0

1

1

0

1

1

0*3*1*6-0*0*0*0

6394.4774

0

0

1

6*1*3*0-0*0*0*0

7134.0452

0

1

1

0

0

1

0

0

1

0*3*1*6-0*0*0*0

6394.4774

0

1

1

6*1*3*0-0*0*0*0

7134.0452

1

1

0

1

1

0

0*3*1*6-0*0*0*0

6394.4774

0

0

0

6*1*3*0-0*0*0*0

7134.0452

0

1

1

0

0

0

0*6*4*3-0*0*0*0

6408.3869

0

1

1

3*4*6*0-0*0*0*0

7174.8894

1

0

0

1

1

0

1

1

0

0*6*4*3-0*0*0*0

6408.3869

1

0

0

3*4*6*0-0*0*0*0

7174.8894

1

1

0

1

0

0

1

0

0

0*6*4*3-0*0*0*0

6408.3869

1

1

0

3*4*6*0-0*0*0*0

7174.8894

0

1

1

0

1

1

0*6*4*3-0*0*0*0

6408.3869

0

0

0

3*4*6*0-0*0*0*0

7174.8894

1

1

0

0

1

1

3*1*6*0-0*0*0*0

6488.0352

0

0

0

0*6*1*3-0*0*0*0

7141.7538

0

0

1

0

1

1

0

0

1

3*1*6*0-0*0*0*0

6488.0352

1

1

0

0*6*1*3-0*0*0*0

7141.7538

0

1

1

0

0

1

1

1

0

3*1*6*0-0*0*0*0

6488.0352

0

0

1

0*6*1*3-0*0*0*0

7141.7538

1

1

0

0

0

0

3*1*6*0-0*0*0*0

6488.0352

0

1

1

0*6*1*3-0*0*0*0

7141.7538

0

1

1

1

1

0

6*4*3*0-0*0*0*0

6390.9497

0

0

0

0*3*4*6-0*0*0*0

7112.809

1

0

0

1

1

0

1

0

0

6*4*3*0-0*0*0*0

6390.9497

0

1

1

0*3*4*6-0*0*0*0

7112.809

1

1

0

1

0

0

0

1

1

6*4*3*0-0*0*0*0

6390.9497

1

0

0

0*3*4*6-0*0*0*0

7112.809

0

1

1

0

0

0

6*4*3*0-0*0*0*0

6390.9497

1

1

0

0*3*4*6-0*0*0*0

7112.809

1

1

0

0

0

1

1*6*0*3-0*0*0*0

6462.3166

0

1

1

3*0*6*1-0*0*0*0

7140.9397

0

0

1

0

1

1

1

1

0

1*6*0*3-0*0*0*0

6462.3166

0

0

0

3*0*6*1-0*0*0*0

7140.9397

0

1

1

0

0

1

0

0

0

1*6*0*3-0*0*0*0

6462.3166

1

1

0

3*0*6*1-0*0*0*0

7140.9397

1

1

0

0

1

1

1*6*0*3-0*0*0*0

6462.3166

0

0

1

3*0*6*1-0*0*0*0

7140.9397

0

1

1

1

0

0

4*3*0*6-0*0*0*0

6486.1156

1

1

0

6*0*3*4-0*0*0*0

7181.9447

1

0

0

1

1

0

0

1

1

4*3*0*6-0*0*0*0

6486.1156

0

0

0

6*0*3*4-0*0*0*0

7181.9447

1

1

0

1

0

0

0

0

0

4*3*0*6-0*0*0*0

6486.1156

0

1

1

6*0*3*4-0*0*0*0

7181.9447

0

1

1

1

1

0

4*3*0*6-0*0*0*0

6486.1156

1

0

0

6*0*3*4-0*0*0*0

7181.9447

1

1

0

1

1

0

6*0*3*1-0*0*0*0

6379.392

0

0

1

1*3*0*6-0*0*0*0

7126.4573

0

0

1

0

1

1

0

0

0

6*0*3*1-0*0*0*0

6379.392

0

1

1

1*3*0*6-0*0*0*0

7126.4573

0

1

1

0

0

1

0

1

1

6*0*3*1-0*0*0*0

6379.392

0

0

0

1*3*0*6-0*0*0*0

7126.4573

1

1

0

0

0

1

6*0*3*1-0*0*0*0

6379.392

1

1

0

1*3*0*6-0*0*0*0

7126.4573

0

1

1

0

1

1

3*0*6*4-0*0*0*0

6444.2764

1

0

0

4*6*0*3-0*0*0*0

7173.6533

1

0

0

1

1

0

0

0

0

3*0*6*4-0*0*0*0

6444.2764

1

1

0

4*6*0*3-0*0*0*0

7173.6533

1

1

0

1

0

0

1

1

0

3*0*6*4-0*0*0*0

6444.2764

0

0

0

4*6*0*3-0*0*0*0

7173.6533

0

1

1

1

0

0

3*0*6*4-0*0*0*0

6444.2764

0

1

1

4*6*0*3-0*0*0*0

7173.6533

相关文章:

用神经网络分类上和下

( A, B )---3*30*2---( 1, 0 )( 0, 1 ) 做一个网络,输入为3个点,训练集A,B各有4张图片。让B的4张图片全是0.排列组合A,记录迭代次数平均值的变化。收敛误差为7e-4,每个网络收敛199次。 其中得到一组数据 差值结构 1-A-B 迭代次…...

VS Code 1.75 发布!

欢迎使用 2023 年 1 月版的 Visual Studio Code。希望您喜欢此版本中的许多更新,其中一些主要亮点包括:配置文件、VS Marketplace 签名、辅助功能改进、更轻松地调整多视图大小、树视图搜索历史、新的 Git 命令等等。让我们一起看看吧! 配置文…...

Vue2仿网易云风格音乐播放器(附源码)

Vue2仿网易云风格音乐播放器1、整体效果2、使用技术3、实现内容4、源码5、使用图片1、整体效果 2、使用技术 使用了HTML5 CSS3进行页面布局及美化使用Vue2进行数据渲染与页面交互使用Axios发送http请求获取数据 3、实现内容 实现了搜索歌曲功能,输入歌手或歌曲关…...

Spring相关面试题

文章目录请谈一下你对 spring 的理解?说一下 Spring 的核心是什么?请谈 一下你对 Spring IOC 和 和 AOP 的理解?请说一下 Spring 的 的 Bean 作用域?请谈一下Spring中bean对象的生命周期?Spring中的事务是如何实现的 &…...

操作符详解(上篇)

前言小伙伴们大家好,随着对c的不断学习今天我们将来学习操作符。在初始c语言中也介绍过操作符但也只是点到即可,今天我们将详细了解操作符。操作符分类:算术操作符移位操作符位操作符赋值操作符单目操作符关系操作符逻辑操作符条件操作符逗号…...

采样电路的3个组成部分

采样电路的使用实际上是电路的一个闭环控制过程,也可以理解为一个负反馈过程,采集的信号被传送到主控制芯片进行调整。今天就来为您介绍一下采样电路的三个组成部分分析!一起来看看吧! 这里的采样实际上分为电流采样、电压采样、…...

ffmpeg硬解码与软解码的压测对比

文章目录ffmpeg硬解码与软解码的压测一、基本知识二、压测实验1. 实验条件及工具说明2. 压测脚本3. 实验数据结果ffmpeg硬解码与软解码的压测 一、基本知识 本文基于intel集显进行压测 软解码:cpu对视频进行解码硬解码:显卡或者多媒体处理芯片对视频进…...

操作符——“C”

各位CSDN的uu们你们好呀,今天,总算是要到我们的操作符啦,在C语言中,操作符是一个极为复杂的东西,下面,就让我们进入操作符的世界吧 算术操作符 移位操作符 位操作符 赋值操作符 单目操作符 关系操作符…...

YSP的UI界面设计

文章目录一、准备工作二、UI设计1.QPushButton:三、遇到的bug一、准备工作 1.MSVC和MinGW上编译的项目,不能用另一个编译器进行编译 2.若要使用MSVC编译器,需要下载对应版本的VS 见此篇:https://blog.csdn.net/Copperxcx/article…...

干货 | 什么是磁传感器?最常用的磁传感器类型及应用

1、什么是磁传感器?磁传感器通常是指将磁场的大小和变化转换成电信号。磁场,以地球磁场(地磁)或磁石为例的磁场是我们熟悉但不可见的现象。将不可见的磁场转化为电信号,以及转化为可见效应的磁传感器一直以来都是研究的主题。从几十年前使用电…...

操作符(运算符)详解

🚀🚀🚀大家觉不错的话,就恳求大家点点关注,点点小爱心,指点指点🚀🚀🚀 目录 🐰算数操作符: - * / % 🐰移位操作符&#x…...

【LeetCode每日一题】【2023/2/9】1797. 设计一个验证系统

文章目录1797. 设计一个验证系统方法1:哈希表代码总体1797. 设计一个验证系统 LeetCode: 1797. 设计一个验证系统 中等\color{#FFB800}{中等}中等 你需要设计一个包含验证码的验证系统。每一次验证中,用户会收到一个新的验证码,这个验证码在…...

计算机图形学:改进的中点BH算法

作者:非妃是公主 专栏:《计算机图形学》 博客地址:https://blog.csdn.net/myf_666 个性签:顺境不惰,逆境不馁,以心制境,万事可成。——曾国藩 文章目录专栏推荐专栏系列文章序一、改进缘由二、…...

【SQL开发实战技巧】系列(六):从执行计划看NOT IN、NOT EXISTS 和 LEFT JOIN效率,记住内外关联条件不要乱放

系列文章目录 【SQL开发实战技巧】系列(一):关于SQL不得不说的那些事 【SQL开发实战技巧】系列(二):简单单表查询 【SQL开发实战技巧】系列(三):SQL排序的那些事 【SQL开发实战技巧…...

十分钟利用环信WebIM-vue3-Demo,打包上线一个即时通讯项目【含音视频通话】

这篇文章无废话,只教你如果接到即时通讯功能需求,十分钟利用环信WebIM-vue3-Demo,打包上线一个即时通讯项目【包含音视频通话功能】。 写这篇文章是因为,结合自身情况,以及所遇到的有同样情况的开发者在接到即时通讯&a…...

pandas——DataFrame基本操作(二)【建议收藏】

pandas——DataFrame基本操作(二) 文章目录pandas——DataFrame基本操作(二)一、实验目的二、实验原理三、实验环境四、实验内容五、实验步骤1.修改数据2.缺失值3.合并1.concat合并2.使用append方法合并3.使用merge进行合并4.使用…...

PostgreSQL查询引擎——General Expressions Grammar之restricted expression

General expressions语法规则定义在src/backend/parser/gram.y文件中,其是表达式语法的核心。有两种表达式类型:a_expr是不受限制的类型,b_expr是必须在某些地方使用的子集,以避免移位/减少冲突。例如,我们不能将BETWE…...

从某种程度上来看,产业互联网是一次对于互联网的弥补和修正

如果对当下我们正在经历的这样一个时代进行一次定义的话,我更加愿意将其划归到产业互联网的范畴里。可能有人会说,这与产业互联网并无联系,因为从本质上来看,当下我们所经历的这样一个时代,其实是与互联网并没有太多联…...

【C#Unity题】1.委托和事件在使用上的区别是什么?2.C#中 == 和 Equals 的区别是什么?

1.委托和事件在使用上的区别是什么? 委托和事件是C#中的重要概念,通俗来讲,委托是一个可以指向特定方法的指针,可以将委托分配给不同的脚本,使它们能够完成不同的任务。而事件则是一种使用委托实现的通知机制&#xff…...

FFmpeg5.0源码阅读——内存池AVBufferPool

摘要:FFmpeg中大多数数据存储比如AVFrame,AVPacket都是通过AVBufferRef管理的,而承载数据的结构为AVBuffer。本文主要通过FFmpeg源码来分析下FFmpeg中AVBuffer相关的实现。 关键字:AVBuffer、AVBufferPool、AVBufferPool 1. AVBufferRef 1.…...

日语AI面试高效通关秘籍:专业解读与青柚面试智能助攻

在如今就业市场竞争日益激烈的背景下,越来越多的求职者将目光投向了日本及中日双语岗位。但是,一场日语面试往往让许多人感到步履维艰。你是否也曾因为面试官抛出的“刁钻问题”而心生畏惧?面对生疏的日语交流环境,即便提前恶补了…...

零基础设计模式——行为型模式 - 责任链模式

第四部分:行为型模式 - 责任链模式 (Chain of Responsibility Pattern) 欢迎来到行为型模式的学习!行为型模式关注对象之间的职责分配、算法封装和对象间的交互。我们将学习的第一个行为型模式是责任链模式。 核心思想:使多个对象都有机会处…...

智能仓储的未来:自动化、AI与数据分析如何重塑物流中心

当仓库学会“思考”,物流的终极形态正在诞生 想象这样的场景: 凌晨3点,某物流中心灯火通明却空无一人。AGV机器人集群根据实时订单动态规划路径;AI视觉系统在0.1秒内扫描包裹信息;数字孪生平台正模拟次日峰值流量压力…...

Map相关知识

数据结构 二叉树 二叉树,顾名思义,每个节点最多有两个“叉”,也就是两个子节点,分别是左子 节点和右子节点。不过,二叉树并不要求每个节点都有两个子节点,有的节点只 有左子节点,有的节点只有…...

3-11单元格区域边界定位(End属性)学习笔记

返回一个Range 对象,只读。该对象代表包含源区域的区域上端下端左端右端的最后一个单元格。等同于按键 End 向上键(End(xlUp))、End向下键(End(xlDown))、End向左键(End(xlToLeft)End向右键(End(xlToRight)) 注意:它移动的位置必须是相连的有内容的单元格…...

R语言速释制剂QBD解决方案之三

本文是《Quality by Design for ANDAs: An Example for Immediate-Release Dosage Forms》第一个处方的R语言解决方案。 第一个处方研究评估原料药粒径分布、MCC/Lactose比例、崩解剂用量对制剂CQAs的影响。 第二处方研究用于理解颗粒外加硬脂酸镁和滑石粉对片剂质量和可生产…...

多模态图像修复系统:基于深度学习的图片修复实现

多模态图像修复系统:基于深度学习的图片修复实现 1. 系统概述 本系统使用多模态大模型(Stable Diffusion Inpainting)实现图像修复功能,结合文本描述和图片输入,对指定区域进行内容修复。系统包含完整的数据处理、模型训练、推理部署流程。 import torch import numpy …...

Caliper 配置文件解析:fisco-bcos.json

config.yaml 文件 config.yaml 是 Caliper 的主配置文件,通常包含以下内容: test:name: fisco-bcos-test # 测试名称description: Performance test of FISCO-BCOS # 测试描述workers:type: local # 工作进程类型number: 5 # 工作进程数量monitor:type: - docker- pro…...

【前端异常】JavaScript错误处理:分析 Uncaught (in promise) error

在前端开发中,JavaScript 异常是不可避免的。随着现代前端应用越来越多地使用异步操作(如 Promise、async/await 等),开发者常常会遇到 Uncaught (in promise) error 错误。这个错误是由于未正确处理 Promise 的拒绝(r…...

libfmt: 现代C++的格式化工具库介绍与酷炫功能

libfmt: 现代C的格式化工具库介绍与酷炫功能 libfmt 是一个开源的C格式化库,提供了高效、安全的文本格式化功能,是C20中引入的std::format的基础实现。它比传统的printf和iostream更安全、更灵活、性能更好。 基本介绍 主要特点 类型安全&#xff1a…...