一张图片相对神经网络可能有几种属性?
如果假设每张图片相对神经网络都至少有两个属性分别是频率和质量,频率和点的分布有关,而质量和点的数值大小有关。
本文通过实验验证图片对于神经网络应该有质量属性。
比如一张图片只有4个像素
当r1>0&&r2>0为排斥子
当r1>0&&r2<0为鞍点
很显然排斥子和鞍点都是对角线他们的频率应该是相同的,如果排斥子和鞍点可以分类就表明图片相对神经网络有一种与点的分布无关的属性存在。
实验过程
制作一个4*4*2结构的神经网络,向这个网络输入排斥子并让这个网络向1,0收敛
将这个网络简单表示成
s(p)-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入鞍点,并让这个网络向0,1收敛将这个网络表示成
s(a)-4-4-2-(2*k),k∈(0,1)
现在用这两个网络组成一个网络,并让4*4*2部分的权重共享,前面大量实验表明这种效果相当于将两个弹性系数为k1,k2的弹簧并联成一个弹性系数为k的弹簧,并且让k1=k2=k/2的过程。
将这个网络简写成
d2(p,a)-4-4-2-(2*k),k∈(0,1)
这个网络的收敛标准是
if (Math.abs(f2[0]-y[0])< δ && Math.abs(f2[1]-y[1])< δ )
因为对应每个收敛标准δ都有一个特征的迭代次数n与之对应因此可以用迭代次数曲线n(δ)来评价网络性能。
本文尝试了δ从0.5到1e-7在内的35个值.
具体进样顺序 |
|||
进样顺序 |
迭代次数 |
||
δ=0.5 |
|||
P |
1 |
判断是否达到收敛 |
|
a |
2 |
判断是否达到收敛 |
|
梯度下降 |
|||
P |
3 |
判断是否达到收敛 |
|
a |
4 |
判断是否达到收敛 |
|
梯度下降 |
|||
…… |
|||
达到收敛标准测量准确率,记录迭代次数,将这个过程重复199次 |
|||
δ=0.4 |
|||
… |
|||
δ=1e-7 |
其中排斥子为
Random rand1 =new Random();
int ti1=rand1.nextInt(98)+1;
x[0]=1+((double)ti1/100);
Random rand2 =new Random();
int ti2=rand2.nextInt(98)+1;
x[3]=1+((double)ti2/100);
鞍点为
Random rand1 =new Random();
int ti1=rand1.nextInt(98)+1;
x[0]=1+((double)ti1/100);
Random rand2 =new Random();
int ti2=rand2.nextInt(98)+1;
x[3]=((double)ti2/100);
f2[0] |
f2[1] |
迭代次数n |
平均准确率p-ave |
δ |
耗时ms/次 |
耗时ms/199次 |
耗时 min/199 |
0.559472171 |
0.498098619 |
97.62311558 |
0 |
0.5 |
0.743718593 |
150 |
0.0025 |
0.604735251 |
0.396864624 |
579.8090452 |
0 |
0.4 |
1.552763819 |
312 |
0.0052 |
0.599203607 |
0.408847791 |
806.7085427 |
0 |
0.3 |
2.065326633 |
411 |
0.00685 |
0.451248905 |
0.557567908 |
921.5075377 |
0 |
0.2 |
2.477386935 |
494 |
0.008233333 |
0.279545683 |
0.725122071 |
1201.055276 |
0 |
0.1 |
3.060301508 |
612 |
0.0102 |
0.008971715 |
0.991081138 |
2548.542714 |
0 |
0.01 |
4.768844221 |
952 |
0.015866667 |
9.24E-04 |
0.999090755 |
5639.366834 |
0 |
0.001 |
10.57788945 |
2109 |
0.03515 |
9.23E-05 |
0.999908755 |
12599.11558 |
0 |
1.00E-04 |
20.11557789 |
4006 |
0.066766667 |
8.29E-05 |
0.999917373 |
12531.57789 |
0 |
9.00E-05 |
19.43718593 |
3871 |
0.064516667 |
7.37E-05 |
0.999926705 |
13018.40201 |
0 |
8.00E-05 |
20.05025126 |
3995 |
0.066583333 |
6.48E-05 |
0.999935456 |
13185.96985 |
0 |
7.00E-05 |
20.67336683 |
4117 |
0.068616667 |
5.54E-05 |
0.999944992 |
14087.8392 |
0 |
6.00E-05 |
21.89447236 |
4358 |
0.072633333 |
4.62E-05 |
0.999954152 |
14697.69849 |
0 |
5.00E-05 |
22.98492462 |
4579 |
0.076316667 |
3.66E-05 |
0.999963408 |
15529.22613 |
0 |
4.00E-05 |
25.54773869 |
5085 |
0.08475 |
2.73E-05 |
0.999972908 |
17176.1608 |
0 |
3.00E-05 |
27.35175879 |
5447 |
0.090783333 |
1.80E-05 |
0.999982054 |
18380.91457 |
0 |
2.00E-05 |
29.17085427 |
5811 |
0.09685 |
9.10E-06 |
0.999990938 |
21252.09045 |
0 |
1.00E-05 |
33.39698492 |
6652 |
0.110866667 |
8.21E-06 |
0.999991841 |
21359.44724 |
0 |
9.00E-06 |
33.2160804 |
6621 |
0.11035 |
7.34E-06 |
0.999992806 |
21614.13065 |
0 |
8.00E-06 |
33.88944724 |
6751 |
0.112516667 |
6.36E-06 |
0.99999372 |
22877.41709 |
0 |
7.00E-06 |
37.72361809 |
7525 |
0.125416667 |
5.42E-06 |
0.999994615 |
23357.9799 |
0 |
6.00E-06 |
36.67336683 |
7301 |
0.121683333 |
4.54E-06 |
0.999995475 |
24004.46231 |
0 |
5.00E-06 |
37.4321608 |
7454 |
0.124233333 |
3.62E-06 |
0.999996403 |
24231.49749 |
0 |
4.00E-06 |
37.92964824 |
7554 |
0.1259 |
2.73E-06 |
0.999997315 |
26105.23618 |
0 |
3.00E-06 |
40.67336683 |
8099 |
0.134983333 |
1.79E-06 |
0.999998215 |
27608.83417 |
0 |
2.00E-06 |
44.49748744 |
8856 |
0.1476 |
9.01E-07 |
0.999999113 |
30251.55779 |
0 |
1.00E-06 |
48.63819095 |
9695 |
0.161583333 |
8.01E-07 |
0.9999992 |
31501.21608 |
0 |
9.00E-07 |
52.09547739 |
10367 |
0.172783333 |
7.17E-07 |
0.999999284 |
32857.14573 |
0 |
8.00E-07 |
53.54773869 |
10656 |
0.1776 |
6.21E-07 |
0.999999381 |
33769.78894 |
0 |
7.00E-07 |
55.09547739 |
10964 |
0.182733333 |
5.36E-07 |
0.999999467 |
34067.96985 |
0 |
6.00E-07 |
55.87939698 |
11135 |
0.185583333 |
4.47E-07 |
0.999999557 |
34494.55276 |
0 |
5.00E-07 |
55.91959799 |
11144 |
0.185733333 |
3.50E-07 |
0.999999651 |
35388.1206 |
0 |
4.00E-07 |
57.90954774 |
11541 |
0.19235 |
2.63E-07 |
0.999999739 |
37896.22111 |
0 |
3.00E-07 |
61.75376884 |
12289 |
0.204816667 |
1.75E-07 |
0.999999827 |
41354.17085 |
0 |
2.00E-07 |
68.03015075 |
13541 |
0.225683333 |
8.73E-08 |
0.999999913 |
45871.40704 |
0 |
1.00E-07 |
77.80904523 |
15487 |
0.258116667 |
迭代次数随着δ的减小不断增加。
也就是表明排斥子和鞍点是可以被分类的,表明图片相对神经网络存在一个与排布规律无关的属性。
实验参数
学习率 0.1 |
权重初始化方式 |
Random rand1 =new Random(); |
int ti1=rand1.nextInt(98)+1; |
tw[a][b]=xx*((double)ti1/1000); |
一张图片相对神经网络可能有几种属性?相关推荐
- (转) 干货 | 图解LSTM神经网络架构及其11种变体(附论文)
干货 | 图解LSTM神经网络架构及其11种变体(附论文) 2016-10-02 机器之心 选自FastML 作者:Zygmunt Z. 机器之心编译 参与:老红.李亚洲 就像雨季后非洲大草原许多野 ...
- 图解LSTM神经网络架构及其11种变体(附论文)
来源:机器之心 英文原文:Deep learning architecture diagrams 参与:老红.李亚洲 原文链接:图解LSTM神经网络架构及其11种变体(附论文) 本文经机器之心(微信公 ...
- 人工智能和神经网络区别,人工神经网络有哪几种
人工智能的分类包括哪些呀? 人脑计算机对接技术项目名称:小发猫 人工智能领域六大分类: 1.深度学习: 深度学习是基于现有的数据进行学习操作,是机器学习研究中的一个新的领域,机在于建立.模拟人脑进行分 ...
- 神经网络分为哪三种模型,神经网络主要包括哪些
神经网络有哪些主要分类规则并如何分类? 神经网络模型的分类人工神经网络的模型很多,可以按照不同的方法进行分类.其中,常见的两种分类方法是,按照网络连接的拓朴结构分类和按照网络内部的信息流向分类. 1按 ...
- JSP页面中的pageEncoding和contentType两种属性
关于JSP页面中的pageEncoding和contentType两种属性的区别: pageEncoding是jsp文件本身的编码 contentType的charset是指服务器发送给客户端时的内容 ...
- JSP中四种属性范围
在JSP中提供了四种属性的保存范围,所谓属性保存范围,指的就是一个设置的对象,可以在多少个页面中保存并继续使用. 四种属性范围: pageContext 在一个页面中保存属性,跳转之后无效. ...
- 服务器产品的特质和优势,亿速云裸金属服务器兼具“弹性”和“裸金属”两种属性,既有虚拟机的弹性,同时又保留了裸金属的一切性能、特性和优势!...
(原标题:亿速云裸金属服务器兼具"弹性"和"裸金属"两种属性,既有虚拟机的弹性,同时又保留了裸金属的一切性能.特性和优势!) 今天,我们来讲一讲亿速云弹性计算服 ...
- python属性和方法的区别_Python中几种属性访问的区别与用法详解
起步 在Python中,对于一个对象的属性访问,我们一般采用的是点(.)属性运算符进行操作.例如,有一个类实例对象foo,它有一个name属性,那便可以使用foo.name对此属性进行访问.一般而言, ...
- jsp九大内置对象和四种属性范围介绍
一般对象需要实例化才可以调用,而JSP的内置对象是不用实例化就可以直接调用的对象. 总共有9个,对应如下表: 序号 对象 类型 1 pageContext javax.servlet.jsp.Page ...
最新文章
- javascript数组查重方法总结
- IOS开发之自定义UIActionSheet
- Annotation 的前世今生
- linux下文件的创建时间、访问时间、修改时间和改变时间
- html表单不允许修改,[问题]如何在表单里定义(form)仅仅可读,不可修改的列?
- while的用法java_java中的while循环和do while循环
- MySQL高级知识(十)——批量插入数据脚本
- [转载] Python中NumPy简介及使用举例
- python求解在给定递减数组中寻找两个数和等于定值,乘积最小
- python list去重_基础知识详解:python( list,set,dict)大规模查找效率对比
- Innovator Admin 一个aras的管理器,又一个package安装方法
- Python自动连接网络(自动登录网络准入系统)
- 教大家pr如何新建工程文件
- 《小狗钱钱》理财摘录
- Typora一款让你无法拒绝的MarkDown编辑器
- python+大数据学习打卡day1
- 项目乱弹琴 之 用户就是上帝
- 每日站立会议个人博客(冲刺周)-Saturday
- SpringBoot 空指针处理总结
- backtrack 5 r3
热门文章
- Numpy.argsort()(Python)
- Replicate(网络复制),ActorRole(角色),Ownership(所有权)以及RPC(远程调用)等等...
- Day7 - 面向对象编程进阶及其他相关
- 假期《JAVA技术》预备作业01
- 向textarea元素输入限制长度的字符
- 谈谈对线程与进程的理解
- 天津政府应急系统之GIS一张图(arcgis api for flex)讲解(四)地图导航控件模块...
- silverlight中递归构造无限级树treeview+checkbox
- 警告: [SetPropertiesRule]{Server/Service/Engine/Host/Context} Setting property 'source' to
- AMD规范:简单而优雅的动态载入JavaScript代码