神经网络的分类准确率是100%到底意味着什么？
(A,B)---n*m*2---(1,0)(0,1)
做一个网络分类A和B，随着迭代次数的增加A与B的分类准确率会不断的增加并无限的接近或达到100%。所以是否有一个物理过程与这个现象相对应？
先引入一个假设
假设1：完全相同的两个对象无法被分成两类，与之对应的分类迭代次数为无穷大，分类准确率是50%，50%。相等收敛标准下迭代次数越大表明二者差异越小。
比如参与分类的两个对象是两个小球A与B，训练集是这两个小球的波函数，这两个小球彼此向对方运动，并最终碰撞变成了球C，因此A和B的分类结果就是C的分裂结果。
按照假设1，如果A=B，则小球C会稳定的存在，因为组成C的波函数是两组相同的数据集，无法彼此分类，也就不会导致C的分裂。或者即便C分裂了，A与B也将是无法被分类的两个对象，他们的运动完全同步，超距作用，向一对纠缠的粒子。
但如果A≠B会发生什么？
以神经网络的作用过程为例，A与B之间的分类准确率会变大。这个过程可以合理的假设当迭代次数足够大的时候，这两个对象的分类准确率会变成100%。
也就意味这A与B完全分开，彼此不会对对方的运动造成任何影响。
要实现这种状态可以假设，比如A与B的距离是无限大则A的运动状态将永远也不会影响到B；或者假设A与B以光速远离对方，则彼此将永远无法接受到对方的任何物理信息，彼此对对方来说仅仅具有逻辑意义。
所以神经网络迭代的过程可以等效的理解成是加速A和B远离，并最终无限的接近光速的过程。
所以由此导出假设2
对应不同的两个对象，迭代次数越大，二者的相对速度越大；相对速度越大分类准确率越大。
也就是迭代次数是两个分类对象差异大小的量度，这个值只能在不同的分类对象间间接的比较，是一个静态的值。而分类准确率仅仅是分类对象相对速度的量度，是一个动态的值。因为对神经网络而言训练集是特征不变的，则两个训练集的差异也不应该随着时间的推移而不断变化。
所有由假设2，考虑C是一个原子核，A与B是两个粒子。则神经网络的分类过程可以理解成是一个原子核C衰变分裂成两个粒子A和B，并让A和B不断加速的由斥力主导的裂变作用过程。
或者也可以反过来理解神经网络的作用过程，是将两个相对速度为近光速的粒子，在一巨大能量的作用下减速，并不断靠近以致最终合在一起，成为物理上的同一个对象C。也就是神经网络的逆过程可以看作一个由引力主导的聚变过程。
神经网络的分类准确率是100%到底意味着什么？相关推荐
- 神经网络的分类准确率到底是一个什么物理量
r1 r2 <1 <1 吸引子 c >1 >1 排斥子 p >1 <1 鞍点 a <1 >1 反鞍点 fa 用p,a做训练集,用来分类c 可能有 ...
- 用神经网络的分类行为理解质量到底是什么？
关于神经网络的两个假设 假设1:完全相同的两个对象无法被分成两类,与之对应的分类迭代次数为无穷大,分类准确率是50%,50%.在不同的训练集之间,相等收敛标准下迭代次数越大表明两个分类对象差异越小. ...
- 神经网络的分类准确率是连续的吗？
设一个测试集有n张图片,则这个网络的分类准确率只能是(n-x)/n,而n和x只能是整数,因此这个网络的分类准确率只能是一个有理分数,不可能是一个连续值. 神经网络的衰变假设:被概率密度表达的粒子A和B ...
- 存在于实数域的微观粒子6-放射性衰变与分类准确率
假设神经网络输入图片就是一个对象的动量矩阵,而将权重理解成速度的分布规律.比如用这个网络分类两个对象a和b,假设两个输入对象的质量m都是1,最终网络完成收敛意味着两个输入对象的速度的分布规律是相同的. ...
- 【深度学习】Cifar-10-探究不同的改进策略对分类准确率提高
cifar10数据集上进行图片分类,基于tensorflow框架, 旨在探究不同的改进策略对分类准确率的影响,如何一步步得提高准确率 一.问题描述 当我们在处理图像识别或者图像分类或者其他机器学习任务 ...
- 【keras】一维卷积神经网络多分类
刚刚接触到深度学习,前2个月的时间里,我用一维的卷积神经网络实现了对于一维数据集的分类和回归.由于在做这次课题之前,我对深度学习基本上没有过接触,所以期间走了很多弯路. 在刚刚收到题目的要求时,我选择 ...
- 用神经网络二分类人脑与电脑
如果一个对象A,无论与B或C分类,分类的准确率都是50%,则A为一个具有智慧的对象. 用符号表示 ∵ (A,B)-n*m*k-(1,0)(0,1) 50%:50% ① (A,C)-n* ...
- 用神经网络的分类行为理解力的相互作用
把物质的波函数理解成是神经网络的输入,而把两个粒子相互作用的力的过程理解成是两个粒子相互分类的过程. 比如有两个球A和B分别撞向对方, 现在假设A与B撞击的过程中有一个中间状态A与B合成了过渡态小球C ...
- 测量分类准确率的过程算坍缩吗？
(A,B)---m*n*k---(1,0)(0,1) 做一个网络去分类A和B,这个网络在没有被训练之前分类准确率是多少? 有理由假设这个网络恰好随机到了一组权重,这组权重恰好让这个网络在0迭代的情况下 ...
最新文章
- c语言解逻辑问题的一般步骤,C语言面试题---逻辑短路问题
- Linux安装python3.6.3
- python 空值（NoneType）
- 融合·生态·实践 中国卫生信息大会新华三再秀领航者实力
- ETL第一篇(Kettle Spoon) 初遇
- Android IPC系列（三）：Binder概述
- 1. 初识ZooKeeper。
- SMA、SPI、LTE
- Orcad Capture CIS 绘制原理图库
- java 计算父亲节_java实现计算周期性提醒的示例
- 中秋佳节│以码为笔，绘合家团圆
- 春节红包活动如何应对10亿级流量？看大佬复盘总结
- 群辉中安装openwrt
- 基于centos7.0+mono+jexus配置https（阿里云服务器最全配置jexus https教程）
- PMP认证与企业项目管理的进化之旅
- 测测你的情商（国际标准）
- mysql 数据库大小与内存关系_【MYSQL】CPU资源和可用内存大小对数据库性能的影响...
- 20182326 2019-2020-1 《数据结构与面向对象程序设计》实验三报告
- linux安装FFMPEG库
- 记录一下Python的locust的基本用法