神经网络结构与输出值之间的关系
本文统计了在学习率,权重初始化标准和收敛标准都不变的情况下神经网络的结构对输出值得影响
比如图示的网络用11*11表示,本文收集了从2*2 到35*35的数据
a |
b |
迭代次数 |
a>0.5 |
数量 |
a<0.5 |
数量 |
||
2*2 |
0.501725 |
0.501025 |
1727143 |
0.506531 |
107 |
0.496195 |
93 |
|
3*3 |
0.501739 |
0.501239 |
856043.1 |
0.506535 |
105 |
0.496438 |
95 |
|
4*4 |
0.501742 |
0.501142 |
622167.2 |
0.506452 |
106 |
0.496431 |
94 |
|
5*5 |
0.501102 |
0.501702 |
558111.4 |
0.506497 |
94 |
0.496318 |
106 |
|
6*6 |
0.501764 |
0.501064 |
535387.6 |
0.506454 |
107 |
0.496368 |
93 |
|
7*7 |
0.501881 |
0.501181 |
589825.6 |
0.506547 |
107 |
0.496514 |
93 |
|
8*8 |
0.500504 |
0.502404 |
555818.1 |
0.506532 |
81 |
0.496401 |
119 |
|
9*9 |
0.501592 |
0.501292 |
554611.5 |
0.506504 |
103 |
0.496377 |
97 |
|
10*10 |
0.501511 |
0.501411 |
569645.4 |
0.506556 |
101 |
0.496363 |
99 |
|
11*11 |
0.501781 |
0.501381 |
591014.9 |
0.506632 |
104 |
0.496526 |
96 |
|
12*12 |
0.501255 |
0.501755 |
599936.9 |
0.506499 |
95 |
0.496511 |
105 |
|
13*13 |
0.501229 |
0.502029 |
616165.2 |
0.50657 |
92 |
0.49668 |
108 |
|
14*14 |
0.501513 |
0.501613 |
615826.2 |
0.506607 |
99 |
0.496519 |
101 |
|
15*15 |
0.502192 |
0.501092 |
630735 |
0.506714 |
111 |
0.496552 |
89 |
|
16*16 |
0.501363 |
0.501963 |
643422.3 |
0.506717 |
94 |
0.496615 |
106 |
|
17*17 |
0.501345 |
0.502045 |
653491.6 |
0.506698 |
93 |
0.496692 |
107 |
|
18*18 |
0.501972 |
0.501472 |
669932.1 |
0.506689 |
105 |
0.496759 |
95 |
|
19*19 |
0.500927 |
0.502327 |
663836.9 |
0.506566 |
86 |
0.496672 |
114 |
|
20*20 |
0.501389 |
0.502189 |
703333.7 |
0.506813 |
92 |
0.496769 |
108 |
|
21*21 |
0.502206 |
0.501306 |
694105.8 |
0.506747 |
109 |
0.496768 |
91 |
|
22*22 |
0.501445 |
0.502145 |
710521.9 |
0.506866 |
93 |
0.496734 |
107 |
|
23*23 |
0.501873 |
0.501773 |
719971.3 |
0.506835 |
101 |
0.49681 |
99 |
|
24*24 |
0.501561 |
0.502061 |
702123.9 |
0.506779 |
95 |
0.49684 |
105 |
|
25*25 |
0.502251 |
0.501551 |
717297.5 |
0.506889 |
107 |
0.496915 |
93 |
|
26*26 |
0.501535 |
0.502135 |
725809.9 |
0.506841 |
94 |
0.496829 |
106 |
|
27*27 |
0.501945 |
0.501745 |
727087.3 |
0.506833 |
102 |
0.496858 |
98 |
|
28*28 |
0.501269 |
0.502369 |
723658.6 |
0.50678 |
89 |
0.496851 |
111 |
|
29*29 |
0.502532 |
0.501332 |
728437.2 |
0.506977 |
112 |
0.496875 |
88 |
|
30*30 |
0.501948 |
0.501848 |
726516.2 |
0.506939 |
101 |
0.496857 |
99 |
|
31*31 |
0.502448 |
0.501448 |
730641.1 |
0.506975 |
110 |
0.496916 |
90 |
|
32*32 |
0.501784 |
0.502384 |
738450.4 |
0.507033 |
94 |
0.497129 |
106 |
|
33*33 |
0.50224 |
0.50194 |
739203.6 |
0.507056 |
103 |
0.497126 |
97 |
|
34*34 |
0.501618 |
0.502518 |
730357.6 |
0.507074 |
91 |
0.497063 |
109 |
|
35*35 |
0.502096 |
0.502396 |
751763.7 |
0.507339 |
97 |
0.497159 |
103 |
权重初始化方式
tw[a][b]=(double)ti1/200;
收敛标准
Math.abs(jud[0]-jud[1])>0.01
学习率
ret=0.1
a值得曲线看起来规律并不明显
但是如果统计a>0.5
或者统计a<0.5
可以发现非常明显随着网络结构的增加,收敛出的输出值也在增加,可以合理的推测如果收集的样本数量不是200组而是2000组合2万组得到的曲线应该光滑的多。
所以神经网络的输出值是判断网络结构的相当有参考价值的指标,输出值的变化可以很好的反应网络结构的变化。
本文所用数据同《用神经网络模拟分子:数据重复性检测 》的数据。
神经网络结构与输出值之间的关系相关推荐
- 商品类型与规格名,属性以及规格与规格值之间的关系
1.建表 (1)商品类型表 (2)商品规格名表 (3)商品属性表 (4)规格值表 2.在公共模块(common)里创建四个模型分别如下: php think make:model common@Typ ...
- 单个像素 亮度 HTML,YUV与像素值之间的关系
标签: 一幅彩色图像的基本要素是什么? 说白了,一幅图像包括的基本东西就是二进制数据,其容量大小实质即为二进制数据的多少.一幅1920x1080像素的YUV422的图像,大小是1920X1080X2= ...
- YUV与像素值之间的关系
一幅彩色图像的基本要素是什么? 说白了,一幅图像包括的基本东西就是二进制数据,其容量大小实质即为二进制数据的多少.一幅1920x1080像素的YUV422的图像,大小是1920X1080X2=4147 ...
- python类属性描述_如何描述Python对象,以及属性、标识、类型和值之间的关系?...
虽然可以通过属性访问对象的类型,但它的类型不仅仅是一个属性--该类型定义了对象在拥有任何属性之前是如何创建的.仅凭这个事实,这些语句都不足以描述Python对象. 我这么说:In Python, ev ...
- 由神经网络的迭代次数计算输出值并评价网络性能
在<用共振频率去理解神经网络-将乙烯模型运行300次的数据>文中将乙烯模型运行了300次,得到了300组输出与迭代次数的数据.这次计算只用了其中的150组数据,其中的6组明显不合理被剔除了 ...
- 人工神经网络结构图高清,人工神经网络结构图解
人工神经网络评价法 人工神经元是人工神经网络的基本处理单元,而人工智能的一个重要组成部分又是人工神经网络.人工神经网络是模拟生物神经元系统的数学模型,接受信息主要是通过神经元来进行的. 首先,人工神经 ...
- 神经网络结构图如何看懂,神经网络结构图片
如何查看matlab训练后的神经网络结构? . 如果是bp网络的话,有两个传递函数,表示是1.输入层到隐含层的传递函数2.隐含层到输出层的传递函数这样看:net.layers{1}.transferf ...
- 神经网络结构图绘图软件,大脑神经网络结构图片
如何画出神经网络的结构图 谷歌人工智能写作项目:爱发猫 人工神经网络评价法 人工神经元是人工神经网络的基本处理单元,而人工智能的一个重要组成部分又是人工神经网络好文案.人工神经网络是模拟生物神经元系统 ...
- python 卡方分布值_python数据分析探索变量之间的关系
探索变量之间的关系 引言 深入探索分析数据价值有几个重要步骤:①变量的分布检验,②探索变量间的关系,③建立关系模型,④评估,⑤总结结论与建议.接下来看看数据分析的重要一环–「探索变量间的关系」. 1 ...
最新文章
- pycharm连接远程服务器并进行代码上传+远程调试
- 如何使用GitHub Action自动发布JAR到Maven仓库
- idea前进和后退快捷键_必备技能:IDEA一定要懂的32条快捷键
- Python的这几个常用库,你会用吗?
- linux 系统安装mongodb数据库---方法2
- 2. HTML DOM Element 对象
- 【肌电信号】基于带通滤波肌电信号处理含Matlab源码
- 十二、React脚手架
- PNP三极管限流电路分析
- 如何自制自平衡云台基于mpu6050,arduino输出三维倾斜角度的方法(含源码,库)
- python selenium 的使用——alibaba询盘
- 计算机 无法进入睡眠模式,win7电脑无法正常进入睡眠模式怎么办
- 以太坊质押时代到来,开发者机遇何在?
- 《C#高级编程》读书笔记
- js实现instanceof+实现原理
- IM——基本系统架构
- 机器学习/算法工程师(含大量面经) --1
- 第三章 非常高的水平层
- 战棋SRPG游戏开发-序
- 利用EMCP物联网云平台通过网口远程监控S7-200 Smart PLC云组态
热门文章
- DIP第一章习题解答
- 系统通知并发问题_iOS 14 系统又出现问题了,短信通知无响应
- linux下nginx部署以及配置详解
- ActiveMQ(为什么要使用消息中间件,JMS传输模型)
- wpf mvvm 实例
- 多项式输出(NOIP2009 普及组第一题)
- Selector-背景选择器
- vue+webpack (vue-cli + vuex + vue-resource + vue-router) web工程搭建
- [BZOJ2707]走迷宫
- gvim配置及相关插件安装(过程详细,附图)