用固定收敛标准网络的迭代次数比较两张图片的相似度
2024-06-07 18:49:41
在上一次实验中已经由数据证实了可以用特征迭代次数去区分minst数据集中的0和1时有可能的，因为50张0和50张1的分类正确率可以打到99%。
本文将迭代次数按大小排列，比较了图片和迭代次数的关系
| a | b | 迭代次数 | 时间ms | 时间min | ||
|
0*34 | 0.504092 | 0.496892 | 31808.4 | 76592 | 1.276533 |
|
|
0*26 | 0.504145 | 0.496745 | 34094.86 | 83691 | 1.39485 |
|
|
0*41 | 0.504069 | 0.496969 | 34775.88 | 84630 | 1.4105 |
|
|
0*36 | 0.50385 | 0.49755 | 41926.72 | 99082 | 1.651367 |
|
|
0*27 | 0.503765 | 0.498165 | 47928.64 | 111719 | 1.861983 |
|
|
0*38 | 0.503758 | 0.498158 | 48533.77 | 110892 | 1.8482 |
|
|
0*37 | 0.503619 | 0.498219 | 50003.07 | 114741 | 1.91235 |
|
|
0*3 | 0.503581 | 0.498881 | 50215.99 | 111575 | 1.859583 |
|
|
0*18 | 0.50375 | 0.49815 | 52884.1 | 120598 | 2.009967 |
|
|
0*30 | 0.503511 | 0.498611 | 52966.01 | 123203 | 2.053383 |
|
|
0*6 | 0.503368 | 0.498868 | 55467.06 | 125845 | 2.097417 |
|
|
0*8 | 0.503476 | 0.499077 | 56096.01 | 125986 | 2.099767 |
|
|
0*28 | 0.503291 | 0.499491 | 60411.63 | 135295 | 2.254917 |
|
|
0*7 | 0.503256 | 0.499456 | 64569.89 | 142200 | 2.37 |
|
|
0*47 | 0.503086 | 0.499886 | 67707.4 | 147675 | 2.46125 |
|
|
0*4 | 0.503037 | 0.50084 | 70608.87 | 155951 | 2.599183 |
|
|
0*17 | 0.503267 | 0.501109 | 72017.99 | 156489 | 2.60815 |
|
|
0*44 | 0.503364 | 0.500174 | 72019.38 | 156790 | 2.613167 |
|
|
0*45 | 0.502973 | 0.500373 | 72615.19 | 157305 | 2.62175 |
|
|
0*9 | 0.50308 | 0.50048 | 72920.47 | 157379 | 2.622983 |
|
|
0*50 | 0.503098 | 0.500834 | 73901.24 | 162317 | 2.705283 |
|
|
0*24 | 0.502874 | 0.501075 | 74839.92 | 162557 | 2.709283 |
|
|
0*23 | 0.502903 | 0.501203 | 74969.03 | 162938 | 2.715633 |
|
|
0*19 | 0.502897 | 0.50074 | 75722.1 | 165457 | 2.757617 |
|
|
0*13 | 0.502945 | 0.501067 | 76511.02 | 170373 | 2.83955 |
|
|
0*20 | 0.502779 | 0.500913 | 76613.24 | 165682 | 2.761367 |
|
|
0*21 | 0.502754 | 0.501154 | 78554.36 | 170378 | 2.839633 |
|
|
0*16 | 0.502863 | 0.500763 | 79751.51 | 186547 | 3.109117 |
|
|
0*46 | 0.502553 | 0.501353 | 80005.62 | 171478 | 2.857967 |
|
|
0*32 | 0.50252 | 0.50182 | 83654.15 | 180615 | 3.01025 |
|
|
0*2 | 0.502641 | 0.501541 | 84550.08 | 180167 | 3.002783 |
|
|
0*22 | 0.502473 | 0.501673 | 86017.23 | 185109 | 3.08515 |
|
|
0*11 | 0.502387 | 0.501988 | 87989.04 | 187844 | 3.130733 |
|
|
0*42 | 0.50239 | 0.50209 | 90076.06 | 193220 | 3.220333 |
|
|
0*43 | 0.502098 | 0.502498 | 93610.47 | 201571 | 3.359517 |
|
|
0*10 | 0.502299 | 0.502511 | 93919.15 | 213039 | 3.55065 |
|
|
0*12 | 0.502466 | 0.502768 | 95686.91 | 203531 | 3.392183 |
|
|
0*48 | 0.502223 | 0.502623 | 95741.22 | 201800 | 3.363333 |
|
|
0*1 | 0.502221 | 0.503021 | 97086.1 | 204735 | 3.41225 |
|
|
0*49 | 0.502118 | 0.503218 | 97346.76 | 204799 | 3.413317 |
|
|
0*40 | 0.502179 | 0.503389 | 97427.12 | 204526 | 3.408767 |
|
|
0*15 | 0.502229 | 0.502829 | 98331.42 | 216606 | 3.6101 |
|
|
0*39 | 0.502076 | 0.503176 | 100795.5 | 211763 | 3.529383 |
|
|
0*14 | 0.502212 | 0.503448 | 103378.9 | 224424 | 3.7404 |
|
|
0*25 | 0.501949 | 0.503349 | 103918.8 | 218470 | 3.641167 |
|
|
0*31 | 0.501894 | 0.50371 | 104757.8 | 227289 | 3.78815 |
|
|
0*29 | 0.502027 | 0.503527 | 112442.9 | 234996 | 3.9166 |
|
|
0*5 | 0.501786 | 0.503786 | 112862.4 | 239529 | 3.99215 |
|
|
0*35 | 0.502023 | 0.504843 | 116743.7 | 243684 | 4.0614 |
|
|
0*33 | 0.501833 | 0.504933 | 119631 | 248238 | 4.1373 |
| a | b | 迭代次数 | 时间ms | 时间min | ||
|
|
1*17 | 0.501511 | 0.505356 | 113085.8 | 235103 | 3.918383 |
|
|
1*30 | 0.508745 | 0.512645 | 120761.4 | 243498 | 4.0583 |
|
|
1*14 | 0.501444 | 0.504744 | 122373 | 255182 | 4.253033 |
|
|
1*6 | 0.504215 | 0.508821 | 123439.5 | 261633 | 4.36055 |
|
|
1*12 | 0.503918 | 0.509033 | 129424.3 | 267415 | 4.456917 |
|
|
1*35 | 0.501017 | 0.506317 | 132802 | 266470 | 4.441167 |
|
|
1*5 | 0.503435 | 0.508935 | 134629.3 | 282495 | 4.70825 |
|
|
1*46 | 0.500885 | 0.506685 | 135243.7 | 271229 | 4.520483 |
|
|
1*1 | 0.505469 | 0.512169 | 135295.5 | 302633 | 5.043883 |
|
|
1*11 | 0.503724 | 0.508224 | 135336.4 | 281378 | 4.689633 |
|
|
1*10 | 0.503584 | 0.5092 | 135825.9 | 282623 | 4.710383 |
|
|
1*9 | 0.503415 | 0.508715 | 136958.3 | 281435 | 4.690583 |
|
|
1*22 | 0.508187 | 0.514087 | 136999 | 279906 | 4.6651 |
|
|
1*32 | 0.503518 | 0.508822 | 138253.6 | 277344 | 4.6224 |
|
|
1*2 | 0.503662 | 0.508362 | 138619.9 | 174259 | 2.904317 |
|
|
1*50 | 0.50053 | 0.50723 | 138767.7 | 277808 | 4.630133 |
|
|
1*3 | 0.500866 | 0.506566 | 139057.3 | 317648 | 5.294133 |
|
|
1*38 | 0.505616 | 0.511516 | 139506.7 | 279306 | 4.6551 |
|
|
1*44 | 0.505531 | 0.512431 | 139982.5 | 280296 | 4.6716 |
|
|
1*8 | 0.50095 | 0.50655 | 140646.4 | 287694 | 4.7949 |
|
|
1*47 | 0.500705 | 0.507105 | 140681 | 281496 | 4.6916 |
|
|
1*15 | 0.505747 | 0.512147 | 142043.2 | 293122 | 4.885367 |
|
|
1*7 | 0.50086 | 0.50666 | 142070.6 | 295809 | 4.93015 |
|
|
1*18 | 0.505487 | 0.512087 | 142772 | 292768 | 4.879467 |
|
|
1*43 | 0.500936 | 0.506336 | 143081.6 | 287021 | 4.783683 |
|
|
1*23 | 0.507865 | 0.515165 | 144089.6 | 294738 | 4.9123 |
|
|
1*36 | 0.508275 | 0.514884 | 144472.9 | 289326 | 4.8221 |
|
|
1*4 | 0.500699 | 0.506899 | 144642.3 | 316810 | 5.280167 |
|
|
1*26 | 0.50094 | 0.50664 | 144746.8 | 295797 | 4.92995 |
|
|
1*34 | 0.500629 | 0.507429 | 145520.8 | 291038 | 4.850633 |
|
|
1*13 | 0.503092 | 0.509792 | 145810.5 | 299617 | 4.993617 |
|
|
1*27 | 0.500582 | 0.507782 | 145828.5 | 296504 | 4.941733 |
|
|
1*37 | 0.500709 | 0.507109 | 146633.2 | 292617 | 4.87695 |
|
|
1*16 | 0.50313 | 0.51003 | 147017 | 304313 | 5.071883 |
|
|
1*39 | 0.500637 | 0.507737 | 147505.9 | 300222 | 5.0037 |
|
|
1*48 | 0.503003 | 0.510203 | 147777.1 | 295941 | 4.93235 |
|
|
1*33 | 0.500784 | 0.507084 | 148811.9 | 297957 | 4.96595 |
|
|
1*25 | 0.502923 | 0.510123 | 149811 | 304366 | 5.072767 |
|
|
1*45 | 0.502981 | 0.51058 | 149999.9 | 298816 | 4.980267 |
|
|
1*19 | 0.500294 | 0.508294 | 150626.6 | 306709 | 5.111817 |
|
|
1*28 | 0.502889 | 0.510289 | 151403.7 | 306664 | 5.111067 |
|
|
1*49 | 0.500599 | 0.507599 | 152002.6 | 304685 | 5.078083 |
|
|
1*24 | 0.500305 | 0.508405 | 153926.4 | 312512 | 5.208533 |
|
|
1*41 | 0.500378 | 0.508078 | 154345 | 307673 | 5.127883 |
|
|
1*29 | 0.500624 | 0.507624 | 155807.4 | 313365 | 5.22275 |
|
|
1*40 | 0.505116 | 0.513416 | 156111.3 | 311209 | 5.186817 |
|
|
1*42 | 0.500343 | 0.508143 | 156573.8 | 311144 | 5.185733 |
|
|
1*20 | 0.500362 | 0.508262 | 159081.9 | 323487 | 5.39145 |
|
|
1*31 | 0.502814 | 0.510814 | 159971.4 | 317844 | 5.2974 |
|
|
1*21 | 0.500206 | 0.508706 | 162120.7 | 242122 | 4.035367 |
0的迭代次数的范围是31808-119631
1的迭代次数的范围是113085-162120
1只有第17号图片是小于119631的，所以这100张图片的分类正确率可能达到99%.另外很明显的可以发现外观比较接近的图片确实迭代次数也比较接近
比如这几张长的比较饱满的0，都被分在了一起，
这几张长的比较像的也被分到了一起，
不过也有失手的时候，这张夹在44和47中的8就明显的有问题。
这种图就是神来之笔了，很细微的差别都找到了。
虽然统计样本的数量还是太少，不过貌似迭代次数还可以作为比较图片匹配度的一个很有力的工具。
本文所用数据同《用共振频率去进行图片分类的尝试》中的数据
用固定收敛标准网络的迭代次数比较两张图片的相似度相关推荐
- 用固定收敛标准特征迭代次数法实现分类是不是一个巧合？
在<用神经网络模拟化学反应>中用网络 将上下两个网络同时向对方收敛,将收敛标准定为|a-2|<0.01,上面的网络输入minst数据集的0和1,将每张图片收敛200次取平均值的办法成 ...
- 测量一组5层网络的迭代次数
如图左边5层网络很显然可以看作是右边的3层网络两个组合而成的,所以左边的5层网络的迭代次数和右边的3层网络的迭代次数有没有什么关系? 5层 3层 2*10*2*10*2 2*10*2 3*10*3*1 ...
- 决定神经网络迭代次数的两个因素
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. 推论:相等收敛误差下迭代次数越大表明二者差异越小. 如果完全相同的两个对象可以被分成两类,则表明这不是完全相同的两个对象,这 ...
- 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 ...
- 基于迭代次数和分类准确率的两种排序
(A,B)---81*30*2---(1,0)(0,1) 让分类原点A为mnist的0,分类对象B是1-9,固定收敛误差,统计迭代次数,并将迭代次数作为B到A的距离,得到数轴 A 5 7 2 4 3 ...
- Minst 0-9特征迭代次数曲线表达式
本文尝试收集minst 0-9对不同收敛标准δ的特征迭代次数,并拟合n(δ)曲线. 制作一个有三个输出的网络,输入minst数据集0-9的前200张图片, 将这个网络简写成 S(Minst 0-9)8 ...
- 收敛标准对迭代次数影响
制作一个n*n的网络,将收敛标准分别设定在,0.001,0.01,0.02,0.03,0.04,0.05,0.06,0.07,0.08,0.09,0.1,观察网络达到平衡时迭代次数的变化. 比如如图的 ...
- 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 ...
- 输入对5层网络迭代次数的影响
制作一个5层网络和一个3层网络 图中左边的5层网络很显然可以看作是由两个右边的3层网络组合而成,所以左边的网络的迭代次数和右边的网络的迭代次数有什么关系? 在<测量一组5层网络的迭代次数> ...
最新文章
- 想提高代码水平，做到这点就够了
- 二值网络--Structured Binary Neural Networks for Accurate Image Classification and Semantic Segmentation
- 汇编语言等号=伪指令
- matlab smulink笔记03——过零检测
- C#中的两把双刃剑：抽象类和接口
- 第 6-4 课：MyBatis 核心和面试题（上）
- 机器学习重大挑战：坏数据和坏算法正在毁掉你的项目
- 四种进程或线程同步互斥的控制方法
- 【 2015-2016 XVI Open Cup, Grand Prix of Bashkortostan, SKB Kontur Cup Stage 2】题目总结
- 云计算核心技术的基本理解
- html字体兼容写法,字体兼容写法
- Python翻译Excel文件
- 面试时，如何巧妙回答跳槽问题
- SLAM和SFM有什么区别？
- 项目经理需要具备的技能
- 阿兹卡塔防 Azgard Defense 详细攻略
- 手把手教你搭建免流服务器（只限于联通）
- idea 使用自动注解时候红色警告的消除办法
- QtCreator中Kits选项变灰，有感叹号
- JPush+SAE+J2EE实现微信公众平台账号服务