神经网络对低势能状态的偏好

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

让网络的输入只有3个节点,AB各由3张二值化的图片组成,B中全是0,排列组合A的所有可能,统计迭代次数的变化。

A-B

迭代次数

0

1

1

3*4*7-0*0*0

2714.829

1

0

0

3*4*7-0*0*0

2714.829

1

1

1

3*4*7-0*0*0

2714.829

0

1

0

2*5*7-0*0*0

2733.131

1

0

1

2*5*7-0*0*0

2733.131

1

1

1

2*5*7-0*0*0

2733.131

0

1

1

3*1*7-0*0*0

7092.899

0

0

1

3*1*7-0*0*0

7092.899

1

1

1

3*1*7-0*0*0

7092.899

1

0

0

4*5*7-0*0*0

7163.241

1

0

1

4*5*7-0*0*0

7163.241

1

1

1

4*5*7-0*0*0

7163.241

0

1

0

2*0*7-0*0*0

9437.693

0

0

0

2*0*7-0*0*0

9437.693

1

1

1

2*0*7-0*0*0

9437.693

0

0

0

0*2*7-0*0*0

10096.64

0

1

0

0*2*7-0*0*0

10096.64

1

1

1

0*2*7-0*0*0

10096.64

1

0

0

4*0*6-0*0*0

13286.89

0

0

0

4*0*6-0*0*0

13286.89

1

1

0

4*0*6-0*0*0

13286.89

0

0

0

0*2*3-0*0*0

14368.13

0

1

0

0*2*3-0*0*0

14368.13

0

1

1

0*2*3-0*0*0

14368.13

1

1

0

6*0*7-0*0*0

15083.57

0

0

0

6*0*7-0*0*0

15083.57

1

1

1

6*0*7-0*0*0

15083.57

0

0

0

0*3*7-0*0*0

16522.73

0

1

1

0*3*7-0*0*0

16522.73

1

1

1

0*3*7-0*0*0

16522.73

0

1

0

2*0*5-0*0*0

24369.4

0

0

0

2*0*5-0*0*0

24369.4

1

0

1

2*0*5-0*0*0

24369.4

0

0

0

0*2*5-0*0*0

24759.7

0

1

0

0*2*5-0*0*0

24759.7

1

0

1

0*2*5-0*0*0

24759.7

得到12组较特别的数据,这12组数据两两一组,A由3张相同的图片组成,只有两个顺序。

1

1

0

6*0*7-0*0*0

15083.57

0

0

0

6*0*7-0*0*0

15083.57

1

1

1

6*0*7-0*0*0

15083.57

0

0

0

0*3*7-0*0*0

16522.73

0

1

1

0*3*7-0*0*0

16522.73

1

1

1

0*3*7-0*0*0

16522.73

如607和037,这两组如果比较横向的数量和纵向的标准差都是一致的,但是037的迭代次数就是要大些,看起来很像这种分类行为构造了一个向下的重力场,037因为比607的势能能级要低,因而037更为稳定。迭代次数与势能成反比,但这一猜测仅仅适用于两组A的图片组成相同只是顺序不同的情况。当两组训练集只是顺序不一致的情况下神经网络对质心敏感。

你可能感兴趣的:(用分类实现衰变,形态排序,迭代次数,应用化学)