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。
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。
继续用粒子分裂模型来理解神经网络的分类行为,
(A,B)---n*m*2---(1,0)(0,1)
将神经网络的分类准确率理解成正比于粒子A与B的相对速度。容易证实mnist的0,1很容易达到分类准确率100%,而mnist的0,2就要困难的多。也就意味这0和1的相对速度可以达到最大值光速,而0和2的相对速度只能达到近光速。
假设粒子0的质量在两个分类体系中是不变的,则这个结果就意味着2的质量大于1。
所以粒子2的质量应该是多少?
做另一个网络
(A:mnist 0+x%1,B:mnist 1+x%0)-n*m*k-(1,0)(0,1) δ①n(x)
同样是一个二分类网络分类0和1,区别是向0里加入x%的1,向1中加入x%的0。当x=50的时候意味着A=B,迭代次数为无限大。如果x逐渐的减小,训练集差异会增加迭代次数会减小。
(0 ,1)-n*m*k-(1,0)(0,1) δ③ n1
(0 ,2)-n*m*k-(1,0)(0,1) δ② n2
因此现在有了三个网络,他们的收敛标准δ相同,假设网络①②③的迭代次数分别是n(x),n1,n2。现在只要适当的调整x可以让n(x)等于任意[n1,+oo)之间的值,其中一定存在一个值使得:n(x)=n2,
则粒子2的质量正比与x。用这种办法可以等效的测量出所有训练集的质量。
由网络①和假设1可以推导出当x不断的变大的时候对应的质量是变大的,假设当x=0对应一个无质量粒子,则得到假设3
假设3:质量正比于两个训练集数据的等效交叉程度。
按照物理规则,有质量的物体永远也不能被加速到光速,因此假设3是否与物理矛盾?
按照假设3,构造两个有质量的粒子,向训练集0中加一张1,向训练集1中加一张0.
A:mnist0+1张1
B:mnist1+1张0
(A ,B)-n*m*k-(1,0)(0,1) ④
网络④的分类准确率应该永远也不会达到100%,否则将出现0==0&&0==1的逻辑矛盾。因此这个假设并不违背这条物理定律。
再比如如果网络①的x=50,对应的迭代次数是无限大,是否应该解释成对应一个无限大的质量?如果考虑量子遂穿效应x不可能永远严格的等于50,也就是意味着没有质量无限大矛盾。
或者尽管可以通过网络①的x的适当调整,求出2的等效质量,但如果迭代次数足够大网络②的分类准确率可能=100%,是否意味这2是一个无质量粒子?
比如加速一个有质量粒子到接近光速,这个粒子的质量会无限的变大。所以为什么不能假设继续给这个粒子无限大的能量这个粒子的质量会变成0?否则如何加速一个无质量粒子到光速?
用神经网络的分类行为理解质量到底是什么?相关推荐
- 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 ...
- 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 ...
- 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 ...
- 神经网络的分类行为怎么就不能是一种力的行为?
应该很难假设这世界上存在一种相互作用不是用力来实现的,自然界只有4种力应该是所有的相互作用都是靠这4种力的一种或几种组合来完成的. 比如电脑里有两堆图片一堆是mnist0的图片,一堆是mnist1的图 ...
- 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 ...
- 腾讯多媒体实验室:基于三维卷积神经网络的全参考视频质量评估算法
腾讯有多个视频业务线,点播视频有腾讯视频.企鹅影视,短视频有微视.K歌,直播类有Now直播.企鹅电竞,实时传输类有QQ和微信的音视频通话.无线投屏和腾讯会议等. 用户对不同的产品有不同程度的期待:比如 ...
- 深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测
文章目录 一.前期工作 导入库包 导入数据 主成分分析(PCA) 聚类分析(K-means) 二.神经网络模型建立 三.检验模型 大家好,我是微学AI,今天给大家带来一个利用卷积神经网络(pytorc ...
- MATLAB实战系列(三十六)-MATLAB 离散Hopfield神经网络的分类——高校科研能力评价
前言 离散型Hopfield神经网络不仅具有联想记忆的功能,还可以应用于解决分类问题. 文中涉及代码请参见 matlab神经网络源码集锦- 离散Hopfield神经网络的分类--高校科研能力评价 以下 ...
- 关于卷积神经网络细节的深入理解
关于卷积神经网络细节的深入理解 文章目录 Ⅰ.关于softmax,Cross-Entropy Loss,Hinge Loss,L2正则化基本概念的深入理解: 1.Softmax: 2.Cross-En ...
最新文章
- 直播写代码|英伟达工程师亲授如何加速YOLO目标检测
- PCL点云曲面重采样三种方法:上采样,下采样,均匀采样
- spark读取hdfs路径下的数据_到底什么是数据湖
- junit 内部类测试_Springboot 使用单元测试
- 学生成绩管理系统测试用例C语言,学生成绩管理系统测试用例.doc
- rtmp 常用字段含义
- Opencv中的阈值函数
- 设置clion执行前的cmake命令,和CMAKELIST.txt不冲突
- 请编写一个程序,用于统计字符串中每个字母的出现次数(字母忽略大小写),统计出结果后,请按照{'a':3,'b':2}的格式输出。
- 把树分成森林 matlab,20170106RF_Matlab 随机森林指的是利用多棵树对样本进行训练并预测的一种分类器,包括两个方面:数据的随 269万源代码下载- www.pudn.com...
- python列表字典元祖_python列表,字典,元组常用方法和集合
- 安全教育平台账号后四位_安全教育平台账号登录入口https://www.xueanquan.com/
- OpenCV3.0-图像特征检测
- 数据库的海量数据的存储解析
- r 语言初学者指南_阻止自然语言处理的初学者指南
- 博图注册表删除方法_安装西门子软件反复提示重启电脑的解决方法
- 自动控制原理之控制系统的数学模型(类比神经网络学习数学模型)
- DirectX加速不可用、已禁用的解决方法(转载)
- meanshift聚类算法跟踪原理
- 一、基于workflow-core强势开发审批流【已成功流转50W笔单据】