比较顺序3s1和3s2的搜索难度
在行列可自由变换的平面上,3点结构只有6个

(A,B)---6*30*2---(0,1)(1,0)
分类A和B,让A是6个3点结构,让B全是0。当收敛误差为7e-4,收敛199次取迭代次数平均值,
让训练集A-B矩阵的高分别是3,4,5,6.当高为3的时候得到的就是3s1,当高为4,5,6时得到的就是3s2,比较这4组顺序的搜索难度。
得到迭代次数为
| 6 | 5 | 4 | 3 | |
| 1 | 28080.98 | 23302.01 | 18281.19 | 13206.9 |
| 2 | 36204.13 | 30302.16 | 24225.39 | 27172.75 |
| 3 | 36450.13 | 30392.11 | 24218.36 | 26861.5 |
| 4 | 51151.09 | 43725.07 | 33397.59 | 24391.61 |
| 5 | 60685.73 | 49777.87 | 38277.77 | 38497.51 |
| 6 | 90967.31 | 76203.56 | 60309.21 | 44734.35 |
如结构1的4个数据
| 6 | 5 | 4 | 3 | |||||||||||||||
| - | - | - | 28080.98 | - | 1 | 1 | 23302.01 | - | - | - | 18281.191 | 1 | - | - | 13206.9 | |||
| - | - | - | 28080.98 | - | 1 | - | 23302.01 | 1 | 1 | - | 18281.191 | - | - | - | 13206.9 | |||
| - | - | - | 28080.98 | - | - | - | 23302.01 | - | 1 | - | 18281.191 | 1 | - | 1 | 13206.9 | |||
| - | - | - | 28080.98 | - | - | - | 23302.01 | - | - | - | 18281.191 | |||||||
| 1 | 1 | - | 28080.98 | - | - | - | 23302.01 | |||||||||||
| 1 | - | - | 28080.98 | |||||||||||||||
| 28080.98 |
观察6,5,4这3组数据
| 6* | 5* | 4* | |||
| 1 | 28080.98 | > | 23302.01 | > | 18281.19 |
| 2 | 36204.13 | > | 30302.16 | > | 24225.39 |
| 3 | 36450.13 | > | 30392.11 | > | 24218.36 |
| 4 | 51151.09 | > | 43725.07 | > | 33397.59 |
| 5 | 60685.73 | > | 49777.87 | > | 38277.77 |
| 6 | 90967.31 | > | 76203.56 | > | 60309.21 |
高度增加迭代次数增加

比较这3条曲线归一化的搜索难度
| 6* | 5* | 4* | |
| 1 | 1.0000349 | 1.0000002 | 1.0000104 |
| 2 | 1.2893207 | 1.3004101 | 1.3251678 |
| 3 | 1.2980814 | 1.3042703 | 1.3247829 |
| 4 | 1.82162 | 1.8764514 | 1.8269019 |
| 5 | 2.1611729 | 2.1362061 | 2.0938556 |
| 6 | 3.2395766 | 3.2702585 | 3.2990105 |

这3种情况的搜索难度曲线几乎是重合的,所以矩阵高度的变化可以改变搜索难度的绝对值,但结构的相对搜索难度不变。
| 6* | 5* | 4* | 3* | |
| 1 | 1.0000349 | 1.0000002 | 1.0000104 | 1.000068 |
| 2 | 1.2893207 | 1.3004101 | 1.3251678 | 2.057606 |
| 3 | 1.2980814 | 1.3042703 | 1.3247829 | 2.034038 |
| 4 | 1.82162 | 1.8764514 | 1.8269019 | 1.84701 |
| 5 | 2.1611729 | 2.1362061 | 2.0938556 | 2.915153 |
| 6 | 3.2395766 | 3.2702585 | 3.2990105 | 3.387426 |
将4种情况的搜索难度曲线画到一起

所以如果网络不变,n点结构,只有ns1和ns2两种顺序,搜索难度曲线也只有两条。
相关文章:
比较顺序3s1和3s2的搜索难度
在行列可自由变换的平面上,3点结构只有6个 (A,B)---6*30*2---(0,1)(1,0) 分类A和B,让A是6个3点结构,让B全是0。当收敛误差为7e-4,收敛199次取迭代次数平均值, 让训练集A-B矩阵的高分别是3,4,5…...
Vue3 el-switch @change事件在初始化时会自动调用问题
接收一个vue3项目,突然有一天,table里有个switch开关,请求数据之后就开始执行switch的change事件,我还啥都没操作,就报一推重复请求 <template><el-switch v-model"rec" inline-prompt :active-val…...
全面解析性能测试中的瓶颈分析与优化策略!
在软件开发的生命周期中,性能测试是确保应用程序在不同负载下稳定运行的关键步骤。性能瓶颈是导致系统性能下降的主要原因,及时发现并解决这些瓶颈,能够显著提升系统的响应速度和用户体验。本文将深入探讨性能测试中的瓶颈分析方法与优化策略…...
2018年Android面试题含答案--适合中高级(下)
熟悉Android系统的童鞋都知道,系统出于体验和性能上的考虑,app在退到后台时系统并不会真正的kill掉这个进程,而是将其缓存起来。打开的应用越多,后台缓存的进程也越多。在系统内存不足的情况下,系统开始依据自身的一套…...
基于SSM的汽车租赁系统+LW示例参考
系列文章目录 1.基于SSM的洗衣房管理系统原生微信小程序LW参考示例 2.基于SpringBoot的宠物摄影网站管理系统LW参考示例 3.基于SpringBootVue的企业人事管理系统LW参考示例 4.基于SSM的高校实验室管理系统LW参考示例 5.基于SpringBoot的二手数码回收系统原生微信小程序LW参考示…...
[晕事]今天做了件晕事44 wireshark 首选项IPv4:Reassemble Fragented IPv4 datagrams
不知不觉,已经来到了晕事系列的第四十四个晕事。今天办的晕事和Wireshark查看网络包相关。说,在Wireshark的编辑-首选项协议里的IPv4协议,有一个参数设置是:Reassemble Fragented IPv4 datagrams。 这个参数的含义是指定Wireshar…...
Unity人工智能开发学习心得
在Unity中进行人工智能研究与应用主要集中在几个关键领域,包括使用Unity ML-Agents插件进行强化学习、利用神经网络技术和深度学习技术训练AI,以及基于行为树技术设计游戏人工智能。 使用Unity ML-Agents插件进行强化学习:Unity ML-Agent…...
0911,类与类之间的关系,设计原则,工厂模式
01_figure.cc //简单工厂 #include <math.h> #include <iostream> #include <string> #include <memory>using std::cout; using std::endl; using std::string; using std::unique_ptr;//-------------------------------------------------// /…...
【2024最新版】零基础Python快速入门篇
完整代码已打包,需要的小伙伴可以戳这里 [学习资料] 安装和运行 1.安装 要使用"Python"首先要把它安装到你电脑里。打开 [Python官网]下载安装包。 在Windows上安装 打开安装包,选择"Use admin privileges when installing py.exe&qu…...
掌握Go语言中的映射、常量与指针
映射(Maps) Go语言中的映射(map)等同于其他编程语言中的哈希表。映射的最大优势是可以使用任何可比较的数据类型作为键,也就是所谓的“map key”或“键”。尽管Go语言中的映射并没有限制哪些数据类型可以作为键&#…...
@35岁的网安人 答应我拿下这些证书
一、CISP注册信息安全专业人员 注册信息安全专业人员(Certified Information Security Professional,简称“CISP"),中国信息安全测评中心依据中编办赋予的职能,建立和发展的一整套完整的信息安全保障人才培训体系。CISP证书是国家对信息…...
flutter Image
Flutter中,Image是一个用于显示图片的控件,可以显示网络图片、本地图片以及Asset中的图片。Image控件支持多种常见的图片格式,例如PNG、JPEG、GIF等。 const Image({super.key,required this.image,this.frameBuilder,this.loadingBuilder,th…...
基于RP2350 MCU的树莓派Pico 2开发板及MicroPython编程使用
2021年1月21日,树莓派基金会同时发布了第1代RP2040 MCU芯片和基于RP2040 MCU的第1代树莓派Pico开发板(Raspberry Pi Pico/ Raspberry Pi Pico 1)。2024年8月8日,树莓派基金会又发布了第2代RP2350 MCU芯片并推出了基于RP2350 MCU的第2代树莓派Pico开发板(Raspberry Pi Pico 2)…...
Docker数据挂载本地目录
docker内的数据映射可以不通过数据卷,直接映射到本地的目录。下面将以mysql容器示例,完成容器的数据映射。 注意:每一个不同的镜像,将来创建容器后内部有哪些目录可以挂载,可以参考DockerHubDocker Hub Container Ima…...
身份证实名认证接口如何用C#实现
一、什么是身份证实名认证? 身份证实名认证又叫身份证实名核验、身份证二要素、身份实名核验、身份证验证,输入姓名、身份证号,校验此两项是否匹配,同时返回生日、性别、籍贯等信息,同时支持港澳台证件核验。 二、身…...
Java开发者无痛丝滑入门Python
哈喽各位道友,经过两周的更新,凡人编程传的第一个“系列”学习笔记《Python基础》已经全部上线啦,现在免费分享给大家,学习路线在下面,点击链接即可跳转对应笔记。 这套笔记有什么不一样的地方呢?这套笔记…...
【STM32】呼吸灯实现
对应pwm概念可以去看我的博客51实现的呼吸灯 根据对应图我们可知预分频系数为999,重装载值为2000,因为设置内部时钟晶振频率为100MHZ ,1s跳 100 000000次 ,跳一次需要1/100 000000s 20ms0.02s 对应跳的次数为 我们使用通用定时器…...
SQLSERVER查看包含某个字段的所有表
查看包含某个字段的所有表: select [name] from sysobjects where [id] in (select[id] from syscolumns where [name] nettime) ORDER BY Name select [name] from sysobjects where [id] in (select[id] from syscolumns where [name] loadtime) ORDER BY Nam…...
【编程基础知识】mysql中的insert into ... on DUPLICATE key和replace into的性能对比
一、概述 在MySQL中,INSERT INTO ... ON DUPLICATE KEY UPDATE 和 REPLACE INTO 都是用来处理插入或更新数据的语句,但它们在性能和行为上有所不同。 二、REPLACE INTO REPLACE INTO 语句在遇到唯一键或主键冲突时,会先删除旧记录…...
【CSS in Depth 2 精译_024】4.2 弹性子元素的大小
当前内容所在位置(可进入专栏查看其他译好的章节内容) 第一章 层叠、优先级与继承(已完结) 1.1 层叠1.2 继承1.3 特殊值1.4 简写属性1.5 CSS 渐进式增强技术1.6 本章小结 第二章 相对单位(已完结) 2.1 相对…...
Axure RP本地化全攻略:从界面优化到效率提升的开源工具本地化指南
Axure RP本地化全攻略:从界面优化到效率提升的开源工具本地化指南 【免费下载链接】axure-cn Chinese language file for Axure RP. Axure RP 简体中文语言包,不定期更新。支持 Axure 9、Axure 10。 项目地址: https://gitcode.com/gh_mirrors/ax/axur…...
24小时运行不中断:OpenClaw+GLM-4.7-Flash构建个人资讯聚合器
24小时运行不中断:OpenClawGLM-4.7-Flash构建个人资讯聚合器 1. 为什么需要个人资讯聚合器 每天早上打开手机,总会被各种新闻推送淹没。财经、科技、行业动态...信息过载已经成为现代人的通病。作为一个技术从业者,我发现自己花费在筛选有效…...
终极指南:如何用BongoCat打造你的个性化桌面互动伙伴
终极指南:如何用BongoCat打造你的个性化桌面互动伙伴 【免费下载链接】BongoCat 让呆萌可爱的 Bongo Cat 陪伴你的键盘敲击与鼠标操作,每一次输入都充满趣味与活力! 项目地址: https://gitcode.com/gh_mirrors/bong/BongoCat 你是否厌…...
s2-pro音色复用效果实测:同一参考音频在不同文本长度下的泛化能力
s2-pro音色复用效果实测:同一参考音频在不同文本长度下的泛化能力 1. 测试背景与目的 s2-pro作为Fish Audio开源的专业级语音合成模型镜像,其核心亮点之一是支持通过参考音频复用音色。这项功能在实际应用中极为实用,比如: 企业…...
跨平台文件同步方案:OpenClaw+Qwen3-32B智能归档系统
跨平台文件同步方案:OpenClawQwen3-32B智能归档系统 1. 为什么需要智能文件同步 作为一个长期在多台设备间切换工作的开发者,我深受文件管理混乱的困扰。Mac上的设计稿、Windows里的开发文档、Linux服务器上的日志文件——这些散落在各处的数据就像一座…...
EVA-01开发者案例:Qwen2.5-VL-7B集成至MAGI类AI平台实现多源视觉融合
EVA-01开发者案例:Qwen2.5-VL-7B集成至MAGI类AI平台实现多源视觉融合 1. 引言:当视觉AI遇见机甲美学 想象一下,你正在处理一份复杂的市场分析报告,里面混杂着数据图表、产品照片和手写笔记。传统的AI工具要么只能看文字…...
C# Enumerable类 之 高效数据转换实战指南
1. 为什么需要数据转换? 在C#开发中,我们经常会遇到需要处理不同类型数据集合的场景。比如从数据库读取的数据可能是object类型,或者老项目中还在使用非泛型的ArrayList。这时候就需要将这些"原始"数据转换成我们需要的特定类型&am…...
5分钟搞定专业级黑苹果配置:OpCore Simplify智能工具让复杂EFI构建化繁为简
5分钟搞定专业级黑苹果配置:OpCore Simplify智能工具让复杂EFI构建化繁为简 【免费下载链接】OpCore-Simplify A tool designed to simplify the creation of OpenCore EFI 项目地址: https://gitcode.com/GitHub_Trending/op/OpCore-Simplify 开篇痛点直击&…...
DAMOYOLO-S边缘端部署指南:STM32F103C8T6嵌入式平台推理优化
DAMOYOLO-S边缘端部署指南:STM32F103C8T6嵌入式平台推理优化 1. 引言 如果你正在为一个资源极其有限的嵌入式设备寻找一个能跑起来的目标检测方案,比如用一块小小的STM32F103C8T6开发板,那么这篇文章就是为你准备的。你可能已经尝试过一些经…...
告别误码!深入剖析LVDS过采样数据恢复中的“时钟抖动”与“数据整型”
攻克LVDS过采样数据恢复中的时钟抖动与信号整型难题 在高速数字电路设计中,LVDS(低压差分信号)因其出色的抗干扰能力和低功耗特性,已成为板级高速数据传输的黄金标准。但当工程师们尝试通过过采样技术提升数据恢复可靠性时&#x…...
