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。