计算多列迭代次数的一种平均列近似方法
比较多列训练集的迭代次数,把多列训练集用单列近似,再通过计算单列的斥力比较迭代次数的大小顺序。
( A, B )---3*30*2---( 1, 0 )( 0, 1 )
让网络的输入有3个节点,AB各由5张二值化的图片组成,让A中有5个1,B中全是0,排列组合A ,统计迭代次数的顺序。一共收集到了111种不同的组合,其中有12组
A-B |
迭代次数 |
A-B |
迭代次数 |
|||||||
0 |
1 |
1 |
3*2*2*1*0-0*0*0*0*0 |
3683.96 |
1 |
1 |
0 |
6*4*0*2*2-0*0*0*0*0 |
3975.97 |
|
0 |
1 |
0 |
3*2*2*1*0-0*0*0*0*0 |
3683.96 |
1 |
0 |
0 |
6*4*0*2*2-0*0*0*0*0 |
3975.97 |
|
0 |
1 |
0 |
3*2*2*1*0-0*0*0*0*0 |
3683.96 |
0 |
0 |
0 |
6*4*0*2*2-0*0*0*0*0 |
3975.97 |
|
0 |
0 |
1 |
3*2*2*1*0-0*0*0*0*0 |
3683.96 |
0 |
1 |
0 |
6*4*0*2*2-0*0*0*0*0 |
3975.97 |
|
0 |
0 |
0 |
3*2*2*1*0-0*0*0*0*0 |
3683.96 |
0 |
1 |
0 |
6*4*0*2*2-0*0*0*0*0 |
3975.97 |
|
|
|
|||||||||
1 |
1 |
0 |
6*2*4*2*0-0*0*0*0*0 |
3715.17 |
1 |
1 |
0 |
6*2*0*2*4-0*0*0*0*0 |
3989.44 |
|
0 |
1 |
0 |
6*2*4*2*0-0*0*0*0*0 |
3715.17 |
0 |
1 |
0 |
6*2*0*2*4-0*0*0*0*0 |
3989.44 |
|
1 |
0 |
0 |
6*2*4*2*0-0*0*0*0*0 |
3715.17 |
0 |
0 |
0 |
6*2*0*2*4-0*0*0*0*0 |
3989.44 |
|
0 |
1 |
0 |
6*2*4*2*0-0*0*0*0*0 |
3715.17 |
0 |
1 |
0 |
6*2*0*2*4-0*0*0*0*0 |
3989.44 |
|
0 |
0 |
0 |
6*2*4*2*0-0*0*0*0*0 |
3715.17 |
1 |
0 |
0 |
6*2*0*2*4-0*0*0*0*0 |
3989.44 |
|
|
|
|||||||||
0 |
1 |
1 |
3*1*2*2*0-0*0*0*0*0 |
3747.93 |
0 |
1 |
1 |
3*1*0*2*1-0*0*0*0*0 |
4048.79 |
|
0 |
0 |
1 |
3*1*2*2*0-0*0*0*0*0 |
3747.93 |
0 |
0 |
1 |
3*1*0*2*1-0*0*0*0*0 |
4048.79 |
|
0 |
1 |
0 |
3*1*2*2*0-0*0*0*0*0 |
3747.93 |
0 |
0 |
0 |
3*1*0*2*1-0*0*0*0*0 |
4048.79 |
|
0 |
1 |
0 |
3*1*2*2*0-0*0*0*0*0 |
3747.93 |
0 |
1 |
0 |
3*1*0*2*1-0*0*0*0*0 |
4048.79 |
|
0 |
0 |
0 |
3*1*2*2*0-0*0*0*0*0 |
3747.93 |
0 |
0 |
1 |
3*1*0*2*1-0*0*0*0*0 |
4048.79 |
|
0, 0.5 ,0.5 ,0.5, 2 |
0.5, 0.5 ,0 ,0.5, 2 |
|||||||||
1.923611111 |
1.513888889 |
|||||||||
1 |
1 |
0 |
6*2*4*0*2-0*0*0*0*0 |
3829.94 |
1 |
1 |
0 |
6*0*4*4*2-0*0*0*0*0 |
4113.71 |
|
0 |
1 |
0 |
6*2*4*0*2-0*0*0*0*0 |
3829.94 |
0 |
0 |
0 |
6*0*4*4*2-0*0*0*0*0 |
4113.71 |
|
1 |
0 |
0 |
6*2*4*0*2-0*0*0*0*0 |
3829.94 |
1 |
0 |
0 |
6*0*4*4*2-0*0*0*0*0 |
4113.71 |
|
0 |
0 |
0 |
6*2*4*0*2-0*0*0*0*0 |
3829.94 |
1 |
0 |
0 |
6*0*4*4*2-0*0*0*0*0 |
4113.71 |
|
0 |
1 |
0 |
6*2*4*0*2-0*0*0*0*0 |
3829.94 |
0 |
1 |
0 |
6*0*4*4*2-0*0*0*0*0 |
4113.71 |
|
|
|
|||||||||
0 |
1 |
1 |
3*1*2*0*2-0*0*0*0*0 |
3849.19 |
1 |
1 |
0 |
6*0*4*2*4-0*0*0*0*0 |
4130.7 |
|
0 |
0 |
1 |
3*1*2*0*2-0*0*0*0*0 |
3849.19 |
0 |
0 |
0 |
6*0*4*2*4-0*0*0*0*0 |
4130.7 |
|
0 |
1 |
0 |
3*1*2*0*2-0*0*0*0*0 |
3849.19 |
1 |
0 |
0 |
6*0*4*2*4-0*0*0*0*0 |
4130.7 |
|
0 |
0 |
0 |
3*1*2*0*2-0*0*0*0*0 |
3849.19 |
0 |
1 |
0 |
6*0*4*2*4-0*0*0*0*0 |
4130.7 |
|
0 |
1 |
0 |
3*1*2*0*2-0*0*0*0*0 |
3849.19 |
1 |
0 |
0 |
6*0*4*2*4-0*0*0*0*0 |
4130.7 |
|
|
|
|||||||||
1 |
1 |
0 |
6*4*4*0*2-0*0*0*0*0 |
3913.91 |
0 |
1 |
1 |
3*0*1*2*2-0*0*0*0*0 |
4187.93 |
|
1 |
0 |
0 |
6*4*4*0*2-0*0*0*0*0 |
3913.91 |
0 |
0 |
0 |
3*0*1*2*2-0*0*0*0*0 |
4187.93 |
|
1 |
0 |
0 |
6*4*4*0*2-0*0*0*0*0 |
3913.91 |
0 |
0 |
1 |
3*0*1*2*2-0*0*0*0*0 |
4187.93 |
|
0 |
0 |
0 |
6*4*4*0*2-0*0*0*0*0 |
3913.91 |
0 |
1 |
0 |
3*0*1*2*2-0*0*0*0*0 |
4187.93 |
|
0 |
1 |
0 |
6*4*4*0*2-0*0*0*0*0 |
3913.91 |
0 |
1 |
0 |
3*0*1*2*2-0*0*0*0*0 |
4187.93 |
|
0.5, 0 ,0.5 ,0.5, 2 |
0.5, 0.5 ,0.5 ,0, 2 |
|||||||||
1.652777778 |
0.986111111 |
|||||||||
这12组都只有两列构成,且都有一行是011.尝试用1列去近似两列。
1 |
1 |
2 |
|
1 |
0 |
0.5 |
|
1 |
0 |
0.5 |
|
0 |
1 |
0.5 |
|
0 |
0 |
0 |
合成规则是如果两列相同数值直接相加,如果不同取两列的平均值。则32210的平均列就是0,0.5,0.5,0.5,2.用同列斥力计算
得到32210的斥力为1.92361111111111,用同样办法计算其余各组得到
3*2*2*1*0-0*0*0*0*0 |
3684 |
6*2*4*0*2-0*0*0*0*0 |
3830 |
6*4*0*2*2-0*0*0*0*0 |
3976 |
6*0*4*4*2-0*0*0*0*0 |
4114 |
|||
6*2*4*2*0-0*0*0*0*0 |
3715 |
3*1*2*0*2-0*0*0*0*0 |
3849 |
6*2*0*2*4-0*0*0*0*0 |
3989 |
6*0*4*2*4-0*0*0*0*0 |
4131 |
|||
3*1*2*2*0-0*0*0*0*0 |
3748 |
6*4*4*0*2-0*0*0*0*0 |
3914 |
3*1*0*2*1-0*0*0*0*0 |
4049 |
3*0*1*2*2-0*0*0*0*0 |
4188 |
|||
0, 0.5 ,0.5 ,0.5, 2 |
0.5, 0 ,0.5 ,0.5, 2 |
0.5, 0.5 ,0 ,0.5, 2 |
0.5, 0.5 ,0.5 ,0, 2 |
|||||||
1.923611111 |
> |
1.652777778 |
> |
1.513888889 |
> |
0.986111111 |
用这种办法将这12组分成了4小组,而这4小组的迭代次数刚好与平均列的斥力成反比。斥力越大迭代次数越小,迭代次数描述的仍然是这个系统的稳定性。
计算多列迭代次数的一种平均列近似方法相关推荐
- 用两个矩阵的点积计算神经网络的迭代次数 2-8
每个神经网络对应每个收敛标准δ都有一个特征的迭代次数n,因此可以用迭代次数曲线n(δ)来评价网络性能. 在<神经网络的迭代次数是一个线性的变量吗?>中得到表达式 一个二分类网络分类两个对象 ...
- 决定迭代次数的两种效应
由于对称导致的空间结构耦合的不规则效应,和等位点数值差导致的线性效应共同决定了神经网络的迭代次数.而增加训练集图片数量和扩大图片的尺寸都可能弱化对称性,并同时弱化结构耦合的不规则效应,使得线性效应占优 ...
- 学习率对神经网络迭代次数和准确率的影响以及近似数学表达式
本文构造了一个带有1个卷积核的网络二分类minst的0和2,通过调整学习率r观察学习率对神经网络的迭代次数和准确率到底有什么影响. 实验用minst数据集将28*28的图片缩小到9*9,网络用一个3* ...
- 用神经网络迭代次数曲线模拟原子光谱
大量实验表明每个神经网络对应每个收敛标准δ都有一个特征的迭代次数n,因此可以用迭代次数曲线n(δ)来评价网络性能. 一个二分类网络分类两组对象A和B,B中有K张图片,B的第i张图片被取样的概率为pi, ...
- 二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总
在前面的陆续实验中已经将二分类minst0,1到二分类minst0,9这9个实验都做完了,并得到了各自网络的迭代次数与准确率公式,可以近似的估算预期准确率的网络训练时间.实验的具体过程以minst0, ...
- 一个用于推算神经网络理论收敛迭代次数的方法
神经网络的收敛过程就是输出值从0或者1逐渐逼近0.5的过程,也就是1-δ→0.5或者0+δ→0.5,所以用δ表示收敛标准,假设神经网络收敛迭代次数n与δ的关系为 n=r*δ^( -1*π/2) r是系 ...
- 带卷积核的神经网络的迭代次数与收敛标准的关系
制作一个带有卷积核的神经网络让这个网络向1,0收敛,y[0]向1收敛,y[1]向0收敛.收敛标准用δ表示,当满足条件 while(Math.abs(y[0]-1)> δ || Math.abs ...
- python统计excel出现次数_Python读取Excel一列并计算所有对象出现次数的方法
第一种方法 import pandas as pd from collections import Counter data = '参赛信息.xlsx' data = pd.read_excel('参 ...
- python获取excel某一列所有值-Python读取Excel一列并计算所有对象出现次数的方法...
第一种方法 import pandas as pd from collections import Counter data = '参赛信息.xlsx' data = pd.read_excel('参 ...
最新文章
- 『Python』VS2015编译源码注意事项
- Java实现类似C/C++中的__FILE__、__FUNC__、__
- Jacobian 和 Hessian 矩阵
- Linux下的删除命令
- 3dcaptcha php,php实现的Captcha验证码类实例
- 理解CSS3 Flexbox
- 100+诡异的数据集,20万Eclipse Bug、死囚遗言等
- 数据可视化平台由哪些要素组成
- sqlserver常用语法
- 大数据预测实战-随机森林预测实战(二)-随机森林回归模型
- 【推荐】区块链技术及行业应用资料合集
- vue设置proxy代理,如何去查看代理地址
- 【转载】 mybatis入门系列四之动态SQL
- NEUQOJ 1999: 三角形or四边形?【搜索联通块/模拟】
- 超标量处理器设计 姚永斌 第7章 寄存器重命名 摘录
- 5_竞赛无人机搭积木式编程——以2021年电赛G题植保无人机国奖标准完整复现为例学习
- RobotStudio 建立机器人模型和虚拟示教器的使用
- 基于layui后台html模板免费下载
- 关于fuse的常用启动参数
- Word 2016 如何设置黑底白字
热门文章
- Hibernate_9_Person和IdCard实例_一对一关系:基于主键
- 华为手表开发:WATCH 3 Pro(17)传感器订阅指南针
- day36 cookiessession
- Windows 11打印测试页
- win7防火墙入站规则 出站规则 什么意思
- 20172313 2017-2018-2 《程序设计与数据结构》第十一周学习总结
- 两部手机怎样才能把数据都传过来_新旧手机怎样互传数据?
- Axure 教程:Axure加载第三方脚本
- 2022字节跳动【数据仓库工程师】日常实习面经-----一面
- c++nullptr(空指针常量)、constexpr(常量表达式)