人工构造迭代次数高度简并的神经网络训练集

(x)---81*30*2---(1,0)

做一个结构是81*30*2的网络，人工构造一个训练集x，并让这个训练集向（1，0）收敛，不分类。让收敛标准为1e-4.使得迭代次数高度简并，有明显的谱线特征。

在一个9*9的矩阵中随机找出4个点，用模拟退火的方法将4个点连起来，用每个格子中线段的长度和作为初始化数据。比如

随机得到4个点（6，2），（7，6），（2，7），（4，3）。用模拟退火找到最短路径是0-1-2-3-0.将（6.5，2.5）-（7.5，6.5）-（2.5，7.5）-（4.5，3.5）-（6.5，2.5）这4个点连起来。对应每个格子的线段长度和是

用每个格子的线段长度的和/1.414得到

用这个方法得到5000张图片用来训练网络。

网络收敛了999次得到的数据

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	最大准确率p-max	迭代次数标准差
0.999903	9.75E-05	12970.12	0	1.00E-04	391.4354	391090	6.518167		450.5113

网络收敛999次，但是只有97个不同的迭代次数体现了明显的简并特征，其中主峰12885出现了112次，将迭代次数的分布画成图

人工构造迭代次数高度简并的神经网络训练集相关推荐

神经网络训练集最少可以是多少个？
(mnist 0 ,2)---81*30*2---(1,0)(0,1) 用81*30*2的网络分类mnist的0和2.让训练集的数量n分别等于5000,4500,4000,3500,3000,2500 ...
用矩阵内积的办法构造迭代次数受控的神经网络1：0.6：0.1=4：3：2
每个神经网络对应每个收敛标准δ都有一个特征的迭代次数n,因此可以用迭代次数曲线n(δ)来评价网络性能. 一个二分类网络,分类两个对象A和B,B中有K张图片,B的第i张图片被取样的概率为pi,B中第i张 ...
神经网络迭代次数的简并和不可约谱项
"应当指出属于同一个不可约表示的几组波函数,属于不同的能级.因为这几组波函数虽然具有相同的变换性质.但并没有对称操作能使它们被此之间产生联系,也就没有理由希望它们的能级相同,偶然简并除外这样 ...
神经网络训练数据集下载,神经网络训练集数量
200组数据可以训练神经网络吗谷歌人工智能写作项目:神经网络伪原创 BP神经网络的训练集需要大样本吗?一般样本个数为多少? BP神经网络的训练集需要大样本吗?一般样本个数为多少? BP神经网络样本数 ...
神经网络训练集两张图片之间的相互作用
在<神经网络分类训练集的图片到底是如何相互影响的?>中得到了一个经验关系,如果(两张图片)混合后的迭代次数变小了,分类准确率可能变大:如果二者混合后迭代次数变大,分类准确率可能会变小.但上 ...
神经网络训练集的图片到底是如何相互作用的？
本次实验分别让0的第1张图片到第9张图片和2的第1张图片分类.然后再让0的第1,2张,3,4张-8,9张图片和2的第1张图片分类,看看两组数据有什么关系. 第一部分数据,1张图片和1张图片分类 (0[ ...
神经网络训练集与Fock矩阵
如果将神经网络的训练集理解成哈密顿量,但是哈密顿算符并不是矩阵形式,比如拉普拉斯算符而神经网络的训练集都是矩阵,如何才能将数学解析式变成矩阵的形式? 一种可能的办法是Fock矩阵方法,比如假设波函数 ...
深度神经网络(训练集，验证集，测试集), 提升模型效果，交叉验证
随笔神经网络训练确实是loss越小,效果越好,但不是绝对的. 因为损失小只是对训练集而言,所以要划出部分数据不做训练,只做验证,即为验证集,验证集对网络训练是没影响的, 所以要将数据集分成:训练集, ...
基于迭代次数的多中心定位分类法
(A,B)---m*n*k---(1,0)(0,1) 让A为分类原点,B为分类对象,在收敛误差一定的情况下,统计迭代次数.并将迭代次数作为B到A的距离.这个距离都是特征的,利用这个特征距离足以实现分类 ...

人工构造迭代次数高度简并的神经网络训练集

人工构造迭代次数高度简并的神经网络训练集相关推荐

最新文章

热门文章