当前位置： 首页 > news >正文

比较顺序3s1和3s2的搜索难度

news 文章来源：https://blog.csdn.net/georgesale/article/details/142178754 2025/5/10 3:36:28

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…...

编程日记 2024/9/12 16:51:48

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&#xff0c;突然有一天&#xff0c;table里有个switch开关&#xff0c;请求数据之后就开始执行switch的change事件&#xff0c;我还啥都没操作&#xff0c;就报一推重复请求 <template><el-switch v-model"rec" inline-prompt :active-val…...

编程日记 2024/9/12 16:48:35

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&#xff0c;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&#xff0c;及时发现并解决这些瓶颈&#xff0c;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…...

编程日记 2024/9/12 16:45:18

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&#xff0c;系统出于体验和性能上的考虑&#xff0c;app在退到后台时系统并不会真正的kill掉这个进程&#xff0c;而是将其缓存起来。打开的应用越多&#xff0c;后台缓存的进程也越多。在系统内存不足的情况下&#xff0c;系统开始依据自身的一套…...

编程日记 2024/9/12 16:44:17

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…...

编程日记 2024/9/12 16:43:15

[晕事]今天做了件晕事44 wireshark 首选项IPv4：Reassemble Fragented IPv4 datagrams

不知不觉&#xff0c;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&#xff0c;在Wireshark的编辑-首选项协议里的IPv4协议&#xff0c;有一个参数设置是&#xff1a;Reassemble Fragented IPv4 datagrams。 这个参数的含义是指定Wireshar…...

编程日记 2024/9/12 16:42:14

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&#xff0c;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&#xff0c;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‌&#xff1a;Unity ML-Agent…...

编程日记 2024/9/12 16:41:11

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;//-------------------------------------------------// /…...

编程日记 2024/9/12 16:38:06

【2024最新版】零基础Python快速入门篇

完整代码已打包&#xff0c;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&#xff0c;选择"Use admin privileges when installing py.exe&qu…...

编程日记 2024/9/12 16:36:03

掌握Go语言中的映射、常量与指针

映射&#xff08;Maps&#xff09; Go语言中的映射&#xff08;map&#xff09;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&#xff0c;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&#…...

编程日记 2024/9/12 16:35:02

@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&#xff0c;简称“CISP")&#xff0c;中国信息安全测评中心依据中编办赋予的职能&#xff0c;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…...

编程日记 2024/9/12 16:34:01

flutter Image

Flutter中&#xff0c;Image是一个用于显示图片的控件&#xff0c;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&#xff0c;例如PNG、JPEG、GIF等。 const Image({super.key,required this.image,this.frameBuilder,this.loadingBuilder,th…...

编程日记 2024/9/12 16:30:57

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)…...

编程日记 2024/9/12 16:29:55

Docker数据挂载本地目录

docker内的数据映射可以不通过数据卷&#xff0c;直接映射到本地的目录。下面将以mysql容器示例&#xff0c;完成容器的数据映射。 注意&#xff1a;每一个不同的镜像&#xff0c;将来创建容器后内部有哪些目录可以挂载&#xff0c;可以参考DockerHubDocker Hub Container Ima…...

编程日记 2024/9/12 16:27:52

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&#xff1f; 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&#xff0c;输入姓名、身份证号&#xff0c;校验此两项是否匹配&#xff0c;同时返回生日、性别、籍贯等信息&#xff0c;同时支持港澳台证件核验。 二、身…...

编程日记 2024/9/12 16:25:50

Java开发者无痛丝滑入门Python

哈喽各位道友&#xff0c;经过两周的更新&#xff0c;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&#xff0c;现在免费分享给大家&#xff0c;学习路线在下面&#xff0c;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&#xff1f;这套笔记…...

编程日记 2024/9/12 16:22:47

【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&#xff0c;重装载值为2000&#xff0c;因为设置内部时钟晶振频率为100MHZ &#xff0c;1s跳 100 000000次 &#xff0c;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…...

编程日记 2024/9/12 16:20:42

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&#xff1a; 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…...

编程日记 2024/9/12 16:17:00

【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&#xff0c;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&#xff0c;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&#xff0c;会先删除旧记录&#xf…...

编程日记 2024/9/12 16:13:53

【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&#xff08;可进入专栏查看其他译好的章节内容&#xff09; 第一章 层叠、优先级与继承&#xff08;已完结&#xff09; 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&#xff08;已完结&#xff09; 2.1 相对…...

编程日记 2024/9/12 16:12:52

你需要尝试的5种讲故事模板

好消息&#xff1a;你不需要成为一位创意写作专家也能讲述一个精彩的故事。 坏消息&#xff1a; 任何人 都可以写一篇博客&#xff0c;或者在社交媒体上发表一些内容&#xff0c;或者拼凑一个故事演示。你需要在大量竞争中抓住目标受众的注意力——更糟的是&#xff0c;内容过…...

编程日记 2024/9/12 16:11:51

只需两步便可生成 51 单片机最精准的延时函数

前言# 我们在学习 51 单片机的过程中会用到延时&#xff0c;比如一个简单的流水灯就需要延时来控制依次点亮的时间&#xff0c;或者一些模块在单片机发出读数据指令后&#xff0c;需要延时几十微秒才可以读出数据等等&#xff0c;这些都离不开延时&#xff0c;所以我们需要一个…...

编程日记 2024/9/12 16:10:49

TETFN情感计算的实践复现（论文复现）

TETFN情感计算的实践复现&#xff08;论文复现&#xff09; 本文所涉及所有资源均在传知代码平台可获取 文章目录 TETFN情感计算的实践复现&#xff08;论文复现&#xff09;概述研究背景主要贡献模型框架数据介绍及下载复现过程&#xff08;重要&#xff09;运行过程及结果 概…...

编程日记 2024/9/12 16:09:47

游戏各个知识小点汇总

抗锯齿原理记录 SSAA&#xff1a;把成像的图片放大N倍&#xff0c;然后每N个点进行平均值计算。一般N为2的倍数。比如原始尺寸是1000x1000&#xff0c;长宽各放大2倍变成2000x2000。 举例&#xff1a; 原始尺寸&#xff1a; 放大2倍后 最后平均值计算成像&#xff1a; MSAA&…...

编程日记 2024/9/12 16:08:46

Python设计模式实战：开启软件设计的精进之旅

&#x1f31f;&#x1f31f; 欢迎来到我的技术小筑&#xff0c;一个专为技术探索者打造的交流空间。在这里&#xff0c;我们不仅分享代码的智慧&#xff0c;还探讨技术的深度与广度。无论您是资深开发者还是技术新手&#xff0c;这里都有一片属于您的天空。让我们在知识的海洋中…...

编程日记 2024/9/12 16:07:44

用RNN（循环神经网络）预测股票价格

RNN&#xff08;循环神经网络&#xff09;是一种特殊类型的神经网络&#xff0c;它能够处理序列数据&#xff0c;并且具有记忆先前信息的能力。这种网络结构特别适合于处理时间序列数据、文本、语音等具有时间依赖性的问题。RNN的核心特点是它可以捕捉时间序列中的长期依赖关系…...

编程日记 2024/9/12 16:05:42

08-图7 公路村村通（C）

很明显聪明的同学已经发现&#xff0c;这是一个稠密图&#xff0c;所以用邻接矩阵。可以很好的表达&#xff0c;比邻接表有优势&#xff0c;所以&#xff0c;采用邻接矩阵破题&#xff0c; 当然也可以用邻接表&#xff0c;仔细观察我的AC,会发现其实都一样&#xff0c;只是存储…...

编程日记 2024/9/12 16:03:39

Java-sleep()、wait()、join()、yield()的区别

关于线程&#xff0c;作为八股文面试中必问点&#xff0c;我们需要充分了解sleep()、wait()、join()以及yield()的区别。在正式开始之前先让我们了解两个概念&#xff1a;锁池和等待池 1.锁池 所有需要竞争同步锁的线程都会放在锁池当中&#xff0c;比如当前对象的锁已经被其中…...

编程日记 2024/9/12 16:01:36

Linux命令的补全和自动完成完全开启

前言 在安装好RockyLinux8.8后&#xff0c;输入dn后&#xff0c;按下“TAB”能自动提示&#xff0c;但在输入dnf make后&#xff0c;按下“TAB”不能实现自动补全&#xff0c;如果要使Linux的Bash支持完整的自动提示和补全功能&#xff0c;还需要执行一些其它操作。 内容 1、…...

编程日记 2024/9/12 15:59:33

Deep Active Contours for Real-time 6-DoF Object Tracking

这篇论文解决了从RGB视频进行实时6自由度&#xff08;6-DoF&#xff09;物体跟踪的问题。此前的基于优化的方法通过对齐投影模型与图像来优化物体姿态&#xff0c;这种方法依赖于手工设计的特征&#xff0c;因此容易陷入次优解。最近的基于学习的方法使用神经网络来预测姿态&am…...

编程日记 2024/9/12 15:57:30