好像模拟了一个引力场
( A, B )---3*30*2---( 1, 0 )( 0, 1 )
做一个网络让输入只有3个节点，每个训练集里有4张图片，让B的训练集全为0，排列组合A，观察迭代次数平均值的变化。
| A-B | 迭代次数 | |||
| 0 | 1 | 0 | 2*0*0*7-0*0*0*0 | 12957.31 |
| 0 | 0 | 0 | 2*0*0*7-0*0*0*0 | 12957.31 |
| 0 | 0 | 0 | 2*0*0*7-0*0*0*0 | 12957.31 |
| 1 | 1 | 1 | 2*0*0*7-0*0*0*0 | 12957.31 |
| 0 | 0 | 0 | 0*2*0*7-0*0*0*0 | 13891.66 |
| 0 | 1 | 0 | 0*2*0*7-0*0*0*0 | 13891.66 |
| 0 | 0 | 0 | 0*2*0*7-0*0*0*0 | 13891.66 |
| 1 | 1 | 1 | 0*2*0*7-0*0*0*0 | 13891.66 |
| 0 | 0 | 0 | 0*0*2*7-0*0*0*0 | 14571.38 |
| 0 | 0 | 0 | 0*0*2*7-0*0*0*0 | 14571.38 |
| 0 | 1 | 0 | 0*0*2*7-0*0*0*0 | 14571.38 |
| 1 | 1 | 1 | 0*0*2*7-0*0*0*0 | 14571.38 |
尽管大部分的形态的排序无法解释，但是当有1行全为0的情况确很容易解释，如上的三个网络A的4张图片都相同，仅仅是顺序不同，迭代次数看起来就是和这4个点的势能成反比。
| 0 | 1 | 0 | 2*0*0*5-0*0*0*0 | 33514.82 |
| 0 | 0 | 0 | 2*0*0*5-0*0*0*0 | 33514.82 |
| 0 | 0 | 0 | 2*0*0*5-0*0*0*0 | 33514.82 |
| 1 | 0 | 1 | 2*0*0*5-0*0*0*0 | 33514.82 |
| 0 | 0 | 0 | 0*2*0*5-0*0*0*0 | 34049.09 |
| 0 | 1 | 0 | 0*2*0*5-0*0*0*0 | 34049.09 |
| 0 | 0 | 0 | 0*2*0*5-0*0*0*0 | 34049.09 |
| 1 | 0 | 1 | 0*2*0*5-0*0*0*0 | 34049.09 |
| 0 | 0 | 0 | 0*0*2*5-0*0*0*0 | 34108.71 |
| 0 | 0 | 0 | 0*0*2*5-0*0*0*0 | 34108.71 |
| 0 | 1 | 0 | 0*0*2*5-0*0*0*0 | 34108.71 |
| 1 | 0 | 1 | 0*0*2*5-0*0*0*0 | 34108.71 |
| 1 | 1 | 1 | 7*2*2*0-0*0*0*0 | 9031.915 |
| 0 | 1 | 0 | 7*2*2*0-0*0*0*0 | 9031.915 |
| 0 | 1 | 0 | 7*2*2*0-0*0*0*0 | 9031.915 |
| 0 | 0 | 0 | 7*2*2*0-0*0*0*0 | 9031.915 |
| 0 | 0 | 0 | 0*2*7*2-0*0*0*0 | 9460.678 |
| 0 | 1 | 0 | 0*2*7*2-0*0*0*0 | 9460.678 |
| 1 | 1 | 1 | 0*2*7*2-0*0*0*0 | 9460.678 |
| 0 | 1 | 0 | 0*2*7*2-0*0*0*0 | 9460.678 |
| 0 | 1 | 0 | 2*2*7*0-0*0*0*0 | 9948.558 |
| 0 | 1 | 0 | 2*2*7*0-0*0*0*0 | 9948.558 |
| 1 | 1 | 1 | 2*2*7*0-0*0*0*0 | 9948.558 |
| 0 | 0 | 0 | 2*2*7*0-0*0*0*0 | 9948.558 |
随着迭代次数的增加，那个大质量的部件最终沉降到整个结构的最底部，整个系统的势能达到最低。
| 0 | 0 | 0 | 0*7*3*1-0*0*0*0 | 8041.432 |
| 1 | 1 | 1 | 0*7*3*1-0*0*0*0 | 8041.432 |
| 0 | 1 | 1 | 0*7*3*1-0*0*0*0 | 8041.432 |
| 0 | 0 | 1 | 0*7*3*1-0*0*0*0 | 8041.432 |
| 0 | 0 | 0 | 0*5*7*4-0*0*0*0 | 8475.513 |
| 1 | 0 | 1 | 0*5*7*4-0*0*0*0 | 8475.513 |
| 1 | 1 | 1 | 0*5*7*4-0*0*0*0 | 8475.513 |
| 1 | 0 | 0 | 0*5*7*4-0*0*0*0 | 8475.513 |
| 0 | 0 | 0 | 0*1*7*3-0*0*0*0 | 8676.719 |
| 0 | 0 | 1 | 0*1*7*3-0*0*0*0 | 8676.719 |
| 1 | 1 | 1 | 0*1*7*3-0*0*0*0 | 8676.719 |
| 0 | 1 | 1 | 0*1*7*3-0*0*0*0 | 8676.719 |
| 1 | 1 | 0 | 6*2*7*0-0*0*0*0 | 9031.211 |
| 0 | 1 | 0 | 6*2*7*0-0*0*0*0 | 9031.211 |
| 1 | 1 | 1 | 6*2*7*0-0*0*0*0 | 9031.211 |
| 0 | 0 | 0 | 6*2*7*0-0*0*0*0 | 9031.211 |
| 0 | 0 | 0 | 0*1*3*7-0*0*0*0 | 9135.643 |
| 0 | 0 | 1 | 0*1*3*7-0*0*0*0 | 9135.643 |
| 0 | 1 | 1 | 0*1*3*7-0*0*0*0 | 9135.643 |
| 1 | 1 | 1 | 0*1*3*7-0*0*0*0 | 9135.643 |
这组过程由5个网络组成，细节更为生动，3张图片只能有5个不同的能级在这里都有体现。
这一现象让人浮想联翩，容易让人觉得神经网络的训练的过程就是在计算一个形态在另一个形态中的最低能级。这个所谓的最低能级包括但不限于势能，能级越低越稳定，迭代次数越大，所谓的迭代次数描述了A-B复合结构的一种稳定性。
相关文章：
好像模拟了一个引力场
( A, B )---3*30*2---( 1, 0 )( 0, 1 ) 做一个网络让输入只有3个节点，每个训练集里有4张图片，让B的训练集全为0，排列组合A，观察迭代次数平均值的变化。 A-B 迭代次数 0 1 0 2*0*0*7-0*0*0*0 12957.31 0 0 0 2*0*0*7-0*0…...
MySQL优化——Explain分析执行计划详解
文章目录前言一. 查看SQL执行频率二. 定位低效率执行SQL三. explain分析执行计划3.1 id3.2 select_type3.3 table3.4 type3.5 key3.6 rows3.7 extra四. show profile分析SQL前言 在应用的的开发过程中，由于初期数据量小，开发人员写 SQL 语句时更重视功能…...
xcode 14.3 file not found libarclite_iphoneos.a
最近升级到xcode 14.3 版本的同学，会遇到这个一个问题 File not found: /Users/johnson/Downloads/Xcode-beta.app/Contents/Developer/Toolchains/XcodeDefault.xctoolchain/usr/lib/arc/libarclite_iphoneos.a 解决方法(亲测有效) 在podfile文件中，增…...
基于AI+数据驱动的慢查询索引推荐
目前，美团内部每天产生的慢查询数量已经超过上亿条。如何高效准确地为慢查询推荐缺失的索引来改善其执行性能，是美团数据库研发中心面临的一项挑战。为此，我们与华东师范大学开展了科研合作，在AI领域对索引推荐进行了探索和实践&a…...
【ESP32】嵌入式FreeRtos--Task
FreeRTOS中文数据手册：https://www.freertos.org/zh-cn-cmn-s/RTOS.html 任务函数 任务函数描述xTaskCreate()使用动态的方法创建一个任务xTaskCreateStatic()使用静态的方法创建一个任务xTaskCreatePinnedToCore指定任务运行的核心(最后一个参数)vTaskDelete()删…...
【操作系统】面试官都爱问的进程调度算法
【操作系统】面试官都爱问的进程调度算法 文章目录【操作系统】面试官都爱问的进程调度算法先来先服务调度算法最短作业优先调度算法高响应比优先调度算法时间片轮转调度算法最高优先级调度算法多级反馈队列调度算法进程调度算法也称 CPU 调度算法，毕竟进程是由 CPU…...
Spring-Web spi机制解析
org.springframework.web.SpringServletContainerInitializer#onStartup 在这里打个断点，查看程序是否会进来 可以发现程序进来了：主要spi机制，看看这里做了什么操作？ 去寻找所有实现了WebApplicationInitializer的类 将符合条件…...
数据结构|将链表中小于0的数全部放在大于0的数的前面
题1： 某带头结点的非空单链表L中所有元素为整数，结点类型定义如下： typedef struct node { int data; struct node *next; } LinkNode; 设计一个尽可能高效的算法，将所有小于零的结点移到所有大于等于零的结点的前面。 分…...
分享106个ASP影音娱乐源码，总有一款适合您
分享106个ASP影音娱乐源码，总有一款适合您 106个ASP影音娱乐源码下载链接：https://pan.baidu.com/s/13k8UaJrCci_z4Q0gQbtDtg?pwdjq44 提取码：jq44 Python采集代码下载链接：采集代码.zip - 蓝奏云 我的博客地址：亚…...
win10 PyCharm Anaconda过程记录
1、Anaconda用来配置不同的虚拟环境 进入 Anaconda Prompt 输入conda activate Hui（此为自己创建的放置虚拟环境的文件夹） 编译运行过程中出现No module named seaborn后 pip install seaborn...
Chrome扩展程序导出备份与本地导入浏览器
现在即使在国内下载个chrome，转个插件也千难万难。现在科学上网也越来越难，由于众所周知的原因，连qiang这个话题都是敏感词。哀默于心死，还是回避这个话题 只要把之前装的chrome打包，然后再重新安装一遍。操作步骤如下…...
mysql常用运算符
mysql常用运算符一、去重和空值1.distinct2.null参与运算3.用ifnull函数解决问题二、比较运算符三、dual伪表和数值运算1.常规运算2.比较运算符3.<>安全相等四、常用正则相关的比较运算符1.基本运算符2.模糊查询3.正则表达式五、逻辑运算符六、位运算总结一、去重和空值 …...
PyTorch 深度学习框架：优雅而简洁的代码实现
PyTorch 是由 Facebook 发布的深度学习框架，旨在为研究人员和工程师提供快速、灵活和简单的实验平台。与其他框架相比，PyTorch 具有简洁的 API 和灵活的动态计算图，使得构建和训练深度神经网络变得更加优雅和简洁。本文将介绍 PyTorch 的基本…...
【SpringMVC】请求重定向和转发
forward：表示转发 处理器方法返回ModelAndView,实现转发forward 语法： setViewName("forward:视图文件完整路径") forward特点： 不和视图解析器一同使用，就当项目中没有视图解析器redirect：表示重定向 处理…...
Vue中@click的常见修饰符
在 Vue 的click事件中，可以使用以下修饰符： .stop：阻止事件继续传播。.prevent：阻止默认事件。.capture：使用事件捕获模式。.self：只当事件是从侦听器绑定的元素本身触发时才触发回调。.once：只…...
软件测试面试复盘：技术面没有难倒我，hr面被虐的体无完肤
一般提到面试，肯定都会想问一下面试结果，我就大概的说一下面试结果，哈哈，其实不太想说，因为挺惨的，并没有像很多大佬一样 ”已拿字节阿里腾讯各大厂offer”，但是毕竟是自己的经历，无…...
vue实现鼠标移入移出事件+解决鼠标事件没有反应
鼠标移入移出事件代码 <div mouseenter"onMouseOver(item)" mouseleave"onMouseOut"></div> methods methods:{// 鼠标移入onMouseOver(item){console.log(item, 鼠标进来了);},// 鼠标移出onMouseOut(){console.log(鼠标出去了);}, }, 这…...
右键移动文件.cmd
REM xcopy /yis %1% % % %D:\test\% REM https://zhuanlan.zhihu.com/p/38330443 不能移动文件夹 不知道为什么 xcopy（拷贝目录文件、目录结构的指令）_尚可名片 写了个JAVA程序，怎样实现在win选中文件后，右键发送到我的程序&am…...
web基础
web基础 与http 域名：由于IP地址不易记忆，域名用来代替IP地址， （DNS）服务与配置：先在本地hosts里去找，然后在本地域名服务器递归查找，本地域名服务器在一级二级按域名长度迭代查找后…...
牛客网算法八股刷题系列(七)正则化(软间隔SVM再回首)
牛客网算法八股刷题系列——正则化[软间隔SVM再回首]题目描述正确答案：C\mathcal CC题目解析开端：关于函数间隔问题解释的补充软间隔SVM\text{SVM}SVMHinge\text{Hinge}Hinge损失函数支持向量机的正则化题目描述 关于支持向量机(Support Vector Machine…...
基于OpenClaw的轻量级AI内容工厂：多智能体协作与自动化创作实践
1. 项目概述：一个轻量级AI内容创作工厂如果你正在寻找一个能快速上手、开箱即用的AI内容创作解决方案，那么aiclublight这个项目可能会让你眼前一亮。它本质上是一个基于OpenClaw框架构建的“AI内容工厂”的轻量版，将复杂的多智能体协作系统&a…...
终极指南：使用dmg2img免费快速转换苹果DMG镜像文件
终极指南：使用dmg2img免费快速转换苹果DMG镜像文件 【免费下载链接】dmg2img DMG2IMG allows you to convert a (compressed) Apple Disk Images (imported from http://vu1tur.eu.org/dmg2img). Note: the master branch contains imported code, but lacks bugfix…...
如何将Android电视变身全能上网终端：TV Bro电视浏览器终极指南
如何将Android电视变身全能上网终端：TV Bro电视浏览器终极指南 【免费下载链接】tv-bro Simple web browser for android optimized to use with TV remote 项目地址: https://gitcode.com/gh_mirrors/tv/tv-bro 还在为智能电视上网操作困难而烦恼吗…...
毫米波雷达选型指南：HLK-LD1125H-24G vs 传统红外/超声波，在智能办公场景下怎么选？
毫米波雷达选型指南：HLK-LD1125H-24G vs 传统红外/超声波，在智能办公场景下怎么选？ 在智能办公场景中，人员检测技术的选择直接影响着空间管理效率与用户体验。传统红外（PIR）和超声波传感器曾长期主导市场&…...
别再死记硬背了！用这3个真实网络场景，彻底搞懂华为ACL的配置逻辑
华为ACL实战指南：3个典型场景解锁访问控制精髓 每次看到新手工程师面对ACL配置时一脸茫然的样子，我就想起自己当年在机房通宵排错的经历。访问控制列表（ACL）作为网络安全的"门禁系统"，其重要性不言而喻&…...
从ST-Ericsson案例剖析半导体合资企业的战略困境与生存法则
1. 从一篇旧文看半导体合资企业的生存逻辑最近在整理行业历史资料时，翻到了一篇2011年发布于EE Times的文章，标题是《ST-Ericsson还能撑多久？》。这篇文章像一枚时间胶囊，精准地记录了一家曾经备受瞩目的无线芯片合资公司在特定时…...
MANT量化技术：大语言模型推理的硬件架构革新
1. MANT量化技术：大语言模型推理的硬件架构革新在人工智能领域，大语言模型(LLM)的推理效率一直是制约其实际应用的关键瓶颈。传统量化方法往往面临精度损失与硬件适配的双重挑战，而MANT技术的出现为这一困境提供了创新解决方案。作为一名深耕…...
1.7.3 掌握Scala函数 - 神奇占位符
本次Scala函数实战主要聚焦于“神奇占位符”下划线（_）的灵活运用，通过三个递进的案例深入理解其简化代码的核心作用。 演示过滤列表：利用 filter 方法，对比了常规匿名函数与使用占位符的写法，直观展示了如何…...
STM32F103 IAP实战：从Bootloader设计到远程固件更新
1. 为什么你的STM32需要IAP升级？ 第一次接触IAP（In-Application Programming）这个概念时，我正蹲在工厂车间的设备旁边，手里拿着需要升级的STM32板子发愁。产线上30台设备需要更新程序，而每台设备都要拆外壳…...
Funannotate数据库安装终极指南：解决HPC环境中的常见问题
Funannotate数据库安装终极指南：解决HPC环境中的常见问题 【免费下载链接】funannotate Eukaryotic Genome Annotation Pipeline 项目地址: https://gitcode.com/gh_mirrors/fu/funannotate Funannotate作为一款专业的真核生物基因组注释流程工具，…...