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minst0，9为例如下

实验用minst数据集，将28*28的图片缩小到9*9，网络用一个3*3的卷积核，网络结构是81*49*30*2，画成图

这个网络由两部分组成，左右两边分别向1,0和0,1收敛，左边输入minst的0，右边输入minst的9，让左右两个网络的权重共享，由前面的实验表明这种效果相当于将两个弹簧并联,组成一个振子力学系统。

具体进样顺序
δ=0.5
初始化权重
	迭代次数
minst 0-1	1	判断是否达到收敛
minst 9-1	2	判断是否达到收敛
梯度下降
minst 0-2	3	判断是否达到收敛
minst 9-2	4	判断是否达到收敛
梯度下降
……
minst 0-4999	9997	判断是否达到收敛
minst 9-4999	9998	判断是否达到收敛
梯度下降
……
如果4999图片内没有达到收敛标准再次从头循环
minst 0-1	9999	判断是否达到收敛
minst 9-1	10000	判断是否达到收敛
梯度下降
……
每当网路达到收敛标准记录迭代次数和对应的准确率测试结果
将这一过程重复199次
δ=0.4
…
δ=2e-7

收敛条件是

if (Math.abs(f2[0]-y[0])< δ && Math.abs(f2[1]-y[1])< δ )

这个网络简写成

S（minst0）81-（con3*3）49-30-2-（1,0）

S（minst9）81-（con3*3）49-30-2-（0,1）

w=w，w1=w1,w2=w2

进一步简写成

d2（minst0,9）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

经实验表明网络的迭代次数n和准确率都可以用

这两个公式近似。

迭代次数的表格是

	01	02	03	04	05	06	07	08	09

δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n
0.1	2081.131	2785.725	2567.6482	2352.869	3508.41206	2763.37186	2232.146	2617.372	2362.905
1.00E-02	2850.236	3620.905	3501.4322	3239.744	4482.321608	3516.39698	3104.673	3487.045	3377.824
1.00E-03	4126.91	4846.435	4664.5226	4525.779	6103.939698	4851.05528	4367.447	4888.638	4638.894
1.00E-04	5887.709	7709.22	7099.9296	6481.905	8919.698492	7646.13065	6468.623	6770.578	7127.503
9*1e-5	5996.663	7951.16	7262.7085	6723.286	9349.020101	7773.49749	6437.633	7345.497	7156.286
8*1e-5	6169.337	8182.51	7505.9246	6901.276	9539.442211	7928.66834	6564.357	7308.02	7367.859
7*1e-5	6184.608	8193.28	7687.3618	6983.593	10203.43216	8338.36683	6779.578	7442.362	7518.492
6*1e-5	6469.729	8780.59	8094.2965	7224.774	9851.552764	8790.82412	6887.774	7950.407	7833.106
5*1e-5	6686.593	9227.095	8405.3869	7523.724	10868.83417	8774.35176	7299.528	7781.106	8203.98
4*1e-5	7160.337	9473.415	8815.392	7910.116	11182.1005	9638.64322	7553.477	8625.352	8463.402
3*1e-5	7711.472	10478	9679.4221	8599.352	12931.17085	10600.9447	8293.955	9775.462	9201.839
2*1e-5	8744.005	12060.84	10461.668	9137.015	14625.32161	11411.0804	8723.643	11628.49	10848.2
1.00E-05	9885.658	19757.36	12683.543	11235.33	20225.77387	14872.995	10555.44	14918.06	13375.71
9*1e-6	9949.095	22245.54	13059.99	11316.15	21326.76884	15159.2814	10476.27	14988.04	13466.41
8*1e-6	10597.78	22214.93	13171.085	11563.64	23468.94472	17935.0302	10925.47	16597.2	14629.72
7*1e-6	10781.61	28045.61	13862.523	12665.93	24229.21608	18620.4975	11219.57	17736.16	14828.54
6*1e-6	11409.87	28410.34	15417.608	13010.63	27358.97487	19321.8744	11748.35	20981.81	15859.35
5*1e-6	11777.72	33681.76	15919.558	13712.61	31394.18593	21230.9698	12474.75	21156.49	18927.24
4*1e-6	12539.73	37281.58	18205.724	14354.06	36071.50754	24558.2714	13049.01	24769.43	19663.64
3*1e-6	13767.38	45173.59	22269.518	16352.39	43770.62814	31304.9246	14324.43	32129.62	26072.95
2*1e-6	14645.3	60366.62	31163.588	18902.75	53362.9598	46862.8643	16918.78	53448.89	34811.55
1.00E-06	18080.93	90392.45	47298.698	29535.1	76472.82915	100355.884	21313.81	73646.55	70131.85
9*1e-7	18234.14	99247.65	50701.342	28357.42	86231.84925	103772.698	21287.42	81385.9	77841.01
8*1e-7	19182.81	95016.96	50896.834	32744.68	91895.44724	119839	24145.12	91615.03	108462
7*1e-7	20378.61	113411.5	62449.558	35204.73	94373.55276	129092.693	27625.46	109482.4	123232.6
6*1e-7	20348.53	116304.3	64837.91	39191.89	101428.5829	127953.05	29357.48	109426.8	140167.9
5*1e-7	22365.02	129507.3	77875.121	48544.11	95963.76884	156705.337	40684.06	124867.1	149534.4
4*1e-7	23351.5	135768.1	88745.734	60192.69	112533.3266	161217.764	40085.21	137533.3	164962.1
3*1e-7	27243.87	149701.4	114492.68	69731.63	120549.2513	205342.492	62320.85	159985.3	249506.1
2*1e-7	34178.87	155856.8	141850.72	99327.43	135646.7538	256312.372	74617.93	187551.5	289655.7
1.00E-07	38643.19	207402.7	1.82E+05	155931.3	159863.3467	318339.688	133071.7

将迭代次数画成图

对应同一个δ迭代次数n由少到多的顺序是1<7<4<3<5<2<8<6<9

或许可以理解成从造型上0和1的差别最大，0和9造型上差别最小。

2和8，6和9严重缠绕

3和5轻微缠绕

表明形态上2与8，6与9的外形的相似程度要大于3和5

对应这两个公式的系数表格

	a	b	c	d
0-1	619.83644	-0.242	0.99638	0.001
0-2	44.40443	-0.54071	0.95803	0.01119
0-3	4.35078	-0.67353	0.97375	0.00612
0-4	0.8431	-0.755	0.95801	0.0135
0-5	440.68687	-0.37058	0.93024	0.02092
0-6	77.8576	-0.52061	0.95824	0.01032
0-7	2.55183	-0.66474	0.97483	0.00749
0-8	14.32362	-0.61749	0.93612	0.02125
0-9	1.7063	-0.77752	0.9557	0.01331

用公式计算n

	01	02	03	04	05	06	07	08	09
δ	计算n	计算n	计算n	计算n	计算n	计算n	计算n	计算n	计算n
0.1	1082.124	154.2184378	20.51620942	4.795999	1034.451	258.1731	11.79212	59.36668	10.22293
1.00E-02	1889.196	535.6070682	96.74468691	27.28218	2428.232	856.0931	54.49187	246.0553	61.24849
1.00E-03	3298.201	1860.185692	456.2019355	155.1955	5699.938	2838.775	251.8093	1019.818	366.9572
1.00E-04	5758.072	6460.502511	2151.231376	882.8341	13379.82	9413.281	1163.622	4226.811	2198.545
0.00009	5906.775	6839.239814	2309.437248	955.9298	13912.56	9944.039	1248.04	4510.946	2386.232
0.00008	6077.561	7288.975874	2500.108891	1044.831	14533.26	10572.88	1349.683	4851.251	2615.079
0.00007	6277.163	7834.717443	2735.383611	1155.66	15270.51	11334.03	1474.963	5268.212	2901.181
0.00006	6515.751	8515.734976	3034.652115	1298.3	16168.24	12281.11	1634.118	5794.316	3270.598
0.00005	6809.675	9398.017049	3431.1512	1489.899	17298.39	13503.93	1844.669	6484.788	3768.706
0.00004	7187.512	10603.18751	3987.600644	1763.29	18789.65	15167.45	2139.629	7442.807	4482.721
0.00003	7705.73	12387.73955	4840.181471	2191.051	20903.48	17618.01	2590.539	8889.661	5606.4
0.00002	8500.175	15424.33221	6360.106537	2975.784	24292.62	21758.64	3391.916	11418.78	7684.198
1.00E-05	10052.57	22437.59474	10144.18413	5022.028	31407.26	31214.11	5377.145	17518.74	13172.11
0.000009	10312.18	23752.96519	10890.20778	5437.835	32657.8	32974.09	5767.247	18696.38	14296.6
0.000008	10610.34	25314.91729	11789.32457	5943.553	34114.82	35059.31	6236.942	20106.84	15667.69
0.000007	10958.81	27210.30052	12898.76827	6574.006	35845.42	37583.27	6815.87	21835	17381.8
0.000006	11375.34	29575.50283	14309.97621	7385.415	37952.71	40723.74	7551.33	24015.53	19595.09
0.000005	11888.48	32639.70527	16179.67734	8475.332	40605.59	44778.57	8524.294	26877.31	22579.39
0.000004	12548.12	36825.31256	18803.62829	10030.53	44106.11	50294.74	9887.315	30847.98	26857.26
0.000003	13452.83	43023.13626	22823.99402	12463.86	49068.02	58420.72	11970.99	36844.71	33589.54
0.000002	14839.79	53569.34924	29991.23781	16927.84	57023.57	72150.91	15674.19	47327.09	46038.22
1.00E-06	17550	77926.70255	47835.14816	28567.95	73724.21	103504.9	24848.02	72609.39	78917.88
0.0000009	18003.23	82495.03902	51353.04095	30933.28	76659.67	109340.9	26650.7	77490.34	85655.01
0.0000008	18523.77	87919.76381	55592.84815	33810.08	80079.81	116255.5	28821.18	83336.21	93869.58
0.0000007	19132.13	94502.50887	60824.45701	37396.42	84142.16	124624.8	31496.43	90498.88	104139.3
0.0000006	19859.33	102716.9551	67479.04255	42012.15	89088.74	135038.5	34895.02	99536.46	117399.8
0.0000005	20755.17	113359.0581	76295.6639	48212.18	95316	148484.2	39391.13	111397.6	135279.6
0.0000004	21906.78	127895.8468	88668.96875	57058.95	103533	166775.6	45689.71	127854.7	160909.5
0.0000003	23486.25	149421.147	107627.1016	70901.03	115180.4	193721.1	55318.47	152709.2	201244.5
0.0000002	25907.64	186048.5847	141424.4148	96294.49	133854.9	239249.9	72431.1	196155.2	275828.1
1.00E-07	30639.18	270642.6889	225567.8102	162509.6	173057.4	343218.8	114823.8	300942	472819.5

实测值/计算值
δ	01	02	03	04	05	06	07	08	09
0.1	1.92319	18.06350161	125.1521755	490.59	3.391568	10.70356	189.2914	44.08823	231.1377
1.00E-02	1.508703	6.760375684	36.19250083	118.7494	1.84592	4.107494	56.97498	14.17179	55.14951
1.00E-03	1.251261	2.605350111	10.22468835	29.16179	1.070878	1.708855	17.34427	4.793637	12.64151
1.00E-04	1.022514	1.193284886	3.30040261	7.342155	0.666653	0.812271	5.559044	1.601817	3.241918
9*1e-5	1.015218	1.162579499	3.144795794	7.033243	0.671984	0.781724	5.158194	1.628372	2.99899
8*1e-5	1.015101	1.122587061	3.002239083	6.605159	0.656387	0.749906	4.863629	1.50642	2.817452
7*1e-5	0.985255	1.045765857	2.8103414	6.042948	0.668179	0.735693	4.596438	1.412692	2.591529
6*1e-5	0.992937	1.03110184	2.667289751	5.564797	0.609315	0.7158	4.214979	1.372104	2.395007
5*1e-5	0.981925	0.981812967	2.449727932	5.049822	0.628315	0.649763	3.957094	1.199901	2.176869
4*1e-5	0.996219	0.893449728	2.210700806	4.485998	0.59512	0.635482	3.530275	1.158884	1.888006
3*1e-5	1.000745	0.845836317	1.999805621	3.924761	0.618613	0.601711	3.201633	1.099644	1.64131
2*1e-5	1.028685	0.781935635	1.644888852	3.070456	0.602048	0.524439	2.571893	1.018365	1.411754
1.00E-05	0.983396	0.880547146	1.250326547	2.23721	0.643984	0.476483	1.963019	0.851549	1.015457
9*1e-6	0.964791	0.936537389	1.199241576	2.081002	0.653038	0.459733	1.816512	0.801655	0.941931
8*1e-6	0.998817	0.877542863	1.117204412	1.945577	0.68794	0.511563	1.751735	0.82545	0.933751
7*1e-6	0.98383	1.030698098	1.074716773	1.926669	0.675936	0.495446	1.646095	0.812281	0.853107
6*1e-6	1.003035	0.960603617	1.077402772	1.761666	0.72087	0.474462	1.555798	0.873677	0.809353
5*1e-6	0.990684	1.031925985	0.98392307	1.617944	0.773149	0.474132	1.463435	0.787151	0.838253
4*1e-6	0.999332	1.012389914	0.968202697	1.431037	0.817835	0.488287	1.319772	0.802951	0.732154
3*1e-6	1.023381	1.049983542	0.975706424	1.311985	0.89204	0.535853	1.196595	0.872028	0.776222
2*1e-6	0.986894	1.126887219	1.039089755	1.116667	0.935805	0.649512	1.079404	1.129351	0.756144
1.00E-06	1.030253	1.159967534	0.98878545	1.033854	1.037282	0.969576	0.857767	1.014284	0.888669
9*1e-7	1.012826	1.203074102	0.987309432	0.916729	1.124866	0.949074	0.798757	1.050272	0.908774
8*1e-7	1.035578	1.080723502	0.915528451	0.968489	1.147548	1.030825	0.837756	1.099342	1.155455
7*1e-7	1.065151	1.200090255	1.026717884	0.941393	1.121596	1.035851	0.877098	1.209765	1.183343
6*1e-7	1.024633	1.132279377	0.960859951	0.93287	1.138512	0.94753	0.841308	1.099364	1.193937
5*1e-7	1.077564	1.142451933	1.020701789	1.006885	1.006796	1.055367	1.032823	1.120913	1.105373
4*1e-7	1.065948	1.061551672	1.000865747	1.054921	1.086932	0.966675	0.877336	1.0757	1.025186
3*1e-7	1.159992	1.00187529	1.063790456	0.983507	1.046613	1.05999	1.126583	1.047647	1.239815
2*1e-7	1.319258	0.837720831	1.003014393	1.031496	1.013386	1.071316	1.030192	0.956138	1.050131
1.00E-07	1.261235	0.766333873	0.808921687	0.95952	0.923759	0.927513	1.158921	0	0

可以看到这组表达式在δ∈[1e-7,1e-4]的区间上是相对精确的

δ越小越准确，当δ<1e-5时实测值/计算值<2。

将计算的n画成图

在这图里2与8，6与9缠绕，3与5交叉都有反应。

计算p-max

计算p-max
δ	-lnδ	01	02	03	04	05	06	07	08	09
0.1	2.302585	0.9972114	0.967013	0.978732998	0.968857609	0.946613	0.966523	0.980939	0.952859	0.966368
1.00E-02	4.60517	0.9979028	0.974543	0.982893661	0.977966231	0.96044	0.973462	0.986045	0.966998	0.975325
1.00E-03	6.907755	0.9983075	0.978974	0.985335688	0.98333408	0.968621	0.977544	0.989044	0.975366	0.980603
1.00E-04	9.21034	0.9985947	0.982131	0.987072012	0.987160488	0.974468	0.98045	0.991177	0.981347	0.984365
0.00009	9.315701	0.9986061	0.982256	0.987140726	0.987312083	0.9747	0.980565	0.991262	0.981584	0.984514
0.00008	9.433484	0.9986187	0.982394	0.987216633	0.987479562	0.974956	0.980693	0.991355	0.981846	0.984679
0.00007	9.567015	0.9986327	0.982549	0.987301559	0.987666958	0.975243	0.980835	0.991459	0.982139	0.984863
0.00006	9.721166	0.9986487	0.982724	0.987398145	0.987880107	0.975569	0.980997	0.991578	0.982473	0.985072
0.00005	9.903488	0.9986672	0.982929	0.987510437	0.988127947	0.975948	0.981185	0.991716	0.982861	0.985316
0.00004	10.12663	0.9986895	0.983174	0.987645107	0.988425224	0.976404	0.98141	0.991882	0.983326	0.985608
0.00003	10.41431	0.9987174	0.983482	0.987814439	0.988799085	0.976976	0.981694	0.99209	0.983912	0.985976
0.00002	10.81978	0.9987556	0.983902	0.988045369	0.989309069	0.977757	0.982081	0.992374	0.984711	0.986477
1.00E-05	11.51293	0.9988176	0.984586	0.988420916	0.990138732	0.979028	0.982711	0.992835	0.986011	0.987293
0.000009	11.61829	0.9988267	0.984687	0.988476025	0.99026051	0.979214	0.982803	0.992903	0.986202	0.987413
0.000008	11.73607	0.9988368	0.984798	0.988537046	0.990395363	0.979421	0.982906	0.992978	0.986413	0.987545
0.000007	11.8696	0.9988481	0.984922	0.988605494	0.990546641	0.979653	0.98302	0.993062	0.98665	0.987694
0.000006	12.02375	0.998861	0.985065	0.988683566	0.990719206	0.979917	0.983151	0.993158	0.986921	0.987863
0.000005	12.20607	0.998876	0.985231	0.988774632	0.990920511	0.980226	0.983304	0.99327	0.987237	0.988061
0.000004	12.42922	0.9988941	0.98543	0.988884265	0.991162889	0.980597	0.983488	0.993405	0.987617	0.9883
0.000003	12.7169	0.998917	0.985683	0.989022755	0.991469111	0.981067	0.98372	0.993575	0.988097	0.988601
0.000002	13.12236	0.9989483	0.986029	0.989212748	0.9918893	0.981711	0.984039	0.993809	0.988756	0.989014
1.00E-06	13.81551	0.9989997	0.986597	0.98952442	0.992578802	0.982769	0.984562	0.994192	0.989838	0.989692
9E-07	13.92087	0.9990073	0.986681	0.989570429	0.99268061	0.982925	0.984639	0.994249	0.989998	0.989792
8E-07	14.03865	0.9990157	0.986774	0.989621456	0.992793526	0.983099	0.984724	0.994311	0.990176	0.989903
7E-07	14.17219	0.9990252	0.986878	0.989678793	0.992920414	0.983293	0.984821	0.994382	0.990375	0.990027
6E-07	14.32634	0.999036	0.986998	0.989744319	0.993065437	0.983516	0.984931	0.994462	0.990602	0.99017
5E-07	14.50866	0.9990486	0.987138	0.989820922	0.993234989	0.983776	0.985059	0.994557	0.990869	0.990337
4E-07	14.7318	0.9990639	0.987306	0.989913385	0.993439666	0.98409	0.985214	0.99467	0.99119	0.990538
3E-07	15.01948	0.9990832	0.98752	0.990030557	0.993699073	0.984488	0.985411	0.994814	0.991598	0.990793
2E-07	15.42495	0.9991098	0.987814	0.990191969	0.994056484	0.985037	0.985682	0.995013	0.992159	0.991144
1.00E-07	16.1181	0.9991537	0.9883	0.99045838	0.994646543	0.985943	0.986129	0.99534	0.993086	0.991724

画成图

按δ=1e-7时的p-max大小排列

1>7>4>8>9>3>2>6>5

和迭代次数n顺序比较

1<7<4<3<5<2<8<6<9

1，7，4，3，5的顺序基本是规律的，2，8，6，9的相对顺序不规则。

迭代次数和识别难度的排序不一致的可能原因是与各个数据集本身的难度不同有关。

最后比较让网络的准确率p-max=0.999的计算耗时

	计算δ	计算n	耗时min/199	耗时天/199	耗时年/199
0-1	1.02E-06	1.75E+04	2.64E+01	0.018316985
0-2	4.74E-19	3.59E+11	4.16E+08	288722.7808	791.0213174
0-3	3.74E-29	6.10E+19	6.15E+16	4.27E+13	1.17E+11
0-4	2.09E-10	17146949	16793.50574	11.66215676
0-5	7.66E-14	31955366.8	31534.0064	21.89861559
0-6	2.89E-25	4.64E+14	5.12E+11	355881000.7	975016.4404
0-7	3.90E-12	97869735	94623.68699	65.71089375
0-8	5.50E-10	7479334.5	8967.287082	6.227282696
0-9	7.67E-13	4484458556	5164961.655	3586.778927	9.826791581

意思是比如二分类0，1对应的网络

d2（minst0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)让这个网络的准确率等于0.999可以让收敛标准δ=1.75E+04可以在26.4min里收敛199次其中至少有一次的准确率可以达到0.999.或者让d2（minst0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

的收敛标准δ=1.75E+04，准确率等于0.999的概率是5.025‰，估计耗时0.13min。

预期时间最长的二分类0，3的网络

d2（minst0,3）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

让这个网络的收敛标准δ= 3.74E-29收敛199次预期需要1170亿年其中至少有1次可以达到0.999，或者让δ= 3.74E-29收敛准确率等于0.999的概率为5.025‰，需要5.88亿年。

按照预期时间排序

1<8<4<5<7<9<2<6<3

按δ=1e-7时的p-max大小排列

1>7>4>8>9>3>2>6>5

迭代次数n顺序比较

1<7<4<3<5<2<8<6<9

对比表明迭代次数n大并不必然的导致更难分类。

关于调参

r学习率，

x权重分母，（0-1的随机数）/x

n迭代次数

p-ave 网络收敛199次的准确率的平均值

p-max网络收敛199次的准确率的最大值

δ	r	x	n	p-ave	p-max
减小	不变	不变	增加	增加	增加
减小	不变	减小	增加	增加	增加
减小	减小	不变	增加	增加	增加
不变	减小	减小	增加	增加	小幅增加，几乎是定值
不变	不变	减小	增加	增加	几乎是定值
不变	减小	不变	增加	增加	几乎是定值
减小	减小	减小	增加	增加	增加

δ，r或者x的减小都会使网络的平均性能p-ave和最大性能p-max增加
当δ保持不变并且非常小时，虽然r或者x减小同样会使最大性能p-max增加但是幅度相当小，几乎可以认为当δ保持不变并且非常小时最大性能p-max是定值
在网络的平均性能p-ave和收敛时间之间存在一种平衡，若想网络平均性能p-ave稳定就要增加收敛时间，或者希望网络收敛加快就会导致网络平均性能p-ave不稳定。

比如这个网络

d2（minst0,3）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)

先让学习率r=1e-3,再次让学习率r=0.1，会导致网络看起来收敛速度快好多，但性能时好时坏。

因为r增大会导致迭代次数n减小，使得网络在更短的时间里可能达到更小的δ，而δ减小导致准确率增加；

r增大同时会导致平均性能下降，使网络性能不稳定。

实验数据

学习率 0.1

权重初始化方式

Random rand1 =new Random();

int ti1=rand1.nextInt(98)+1;

int xx=1;

if(ti1%2==0)

{ xx=-1;}

tw[a][b]=xx*((double)ti1/x);

第一层第二层和卷积核的权重的初始化的x分别为1000,1000,200

http://www.qinms.com/webapp/curvefit/cf.aspx

具体数据位置

0-1	1个卷积核二分类0,1的特征频率曲线	2019/1/20
0-2	神经网络收敛标准与准确率之间的数学关系	2018/12/29
0-3	估算带卷积核二分类0,3的网络的收敛时间和迭代次数	2019/1/21
0-4	二分类0,4神经网络的收敛时间和准确率的估算表达式	2019/1/24
0-5	共振耦合二分类0，5神经网络迭代次数和准确率估算表达式	2019/1/24
0-6	二分类minst0，6收敛时间估算表达式	2019/1/26
0-7	神经网络训练时间计算实例：二分类minst0，7	2019/1/31
0-8	神经网络收敛精度计算实例：二分类minst0，8	2019/2/1
0-9	计算神经网络准确率实例二分类minst0，9	2019/2/8

二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总相关推荐

估算带卷积核二分类0,3的网络的收敛时间和迭代次数
制作一个网络分类minst的0和3求出这网络的迭代次数曲线表达式n(δ),和准确率表达式p-max(δ),用预期准确率去估算n,并推算需要的时间. 将minst的28*28的图片缩小到9*9,网络用一 ...
1个卷积核二分类0,1的神经网络的特征频率曲线
制作一个带一个3*3卷积核的神经网络,测试集是minst的0和1图片集,将28*28的图片缩小成9*9,隐藏层30个节点所以网络的结构是这个网络分成两个部分左边的是让minst 0向1,0收敛,右边 ...
带卷积核二分类网络的输出是不是有方向的？
做一个二分类网络分类0,1, 让0向0,1收敛,让1向1,0收敛, 与让0向1,0收敛,让1向0,1收敛这两种做法是不是一样的?如果不同表明网络的输出是区分方向的. 做一个网络输入minst的0和1 ...
是否所有二分类神经网络的准确率都能无限趋近100%？
制作一个二分类的神经网络验证是否只要经过足够的迭代都能使准确率无限上升并接近1. r1 r2 <1 <1 吸引子 c >1 >1 排斥子 p >1 <1 鞍 ...
二分类神经网络的特征光谱---1-2至1-9
制作一个二分类的神经网络来分类mnist的1和2到1和9,网络结构是 (mnist 0 ,mnist x)81-30-2-(1,0) || (0,1) 将28*28的图片压缩到9*9,三层网络的节点数 ...
二分类排斥子和鞍点的准确率的表达式pa
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 本文制作一个二分类网络用来分类p和a ...
二分类吸引子和鞍点的准确率的表达式ca
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 制作一个二分类网络用来分类c和a,通 ...
二分类神经网络的特征光谱---2-3至2-9
用特征迭代次数的方法构造神经网络的光谱, 网络结构是 (mnist 2 ,mnist x)81-30-2-(1,0) || (0,1) 将28*28的图片压缩到9*9,三层网络的节点数量分别是81*3 ...
吸引子矩阵和鞍点矩阵可以用神经网络二分类吗？
制作一个4*4*2结构的神经网络,向这个网络输入吸引子并让这个网络向1,0收敛将这个网络简单表示成 s(c)-4-4-2-(2*k),k∈(0,1) 用同样的办法制作一个4*4*2的网络向这个网络输 ...

二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总

二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总相关推荐

最新文章

热门文章