用神经网络分类根号2与根号x的数据汇总
取无理数的前3万个有效数字,每10个数字组成一张图片
前2500张图片做训练集,后500张图片做测试集,让x分别等于
3 |
5 |
6 |
7 |
8 |
10 |
11 |
12 |
13 |
14 |
15 |
17 |
18 |
19 |
20 |
21 |
22 |
23 |
24 |
26 |
27 |
28 |
29 |
30 |
31 |
32 |
33 |
34 |
35 |
37 |
38 |
39 |
40 |
41 |
42 |
43 |
44 |
45 |
46 |
47 |
48 |
50 |
51 |
52 |
53 |
54 |
55 |
56 |
57 |
58 |
59 |
60 |
61 |
62 |
63 |
65 |
66 |
67 |
68 |
69 |
70 |
71 |
72 |
73 |
74 |
75 |
76 |
77 |
78 |
79 |
80 |
82 |
83 |
84 |
85 |
86 |
87 |
88 |
89 |
90 |
91 |
92 |
93 |
94 |
95 |
96 |
97 |
98 |
99 |
让网络的收敛标准δ等于0.5到1e-4的16个值,每个值收敛199次取平均值,
统计当δ=1e-4时的迭代次数和分类准确率与x的关系。
实验共收敛了89*16*199次
比较迭代次数
根号x |
迭代次数 |
根号x |
迭代次数 |
根号x |
迭代次数 |
8 |
783088.3 |
28 |
702341.7 |
60 |
672742 |
62 |
774492.5 |
50 |
701950.8 |
98 |
671972.6 |
86 |
764687.5 |
51 |
700513.9 |
32 |
671520.3 |
88 |
754498.3 |
12 |
696393.1 |
53 |
671064.6 |
83 |
751454.1 |
78 |
696308.6 |
48 |
668988.9 |
55 |
749043.1 |
10 |
694794.8 |
19 |
666679 |
52 |
746851.5 |
15 |
694355.3 |
65 |
666596 |
47 |
746827.6 |
44 |
692737 |
41 |
666001.6 |
34 |
740813.1 |
31 |
692346.9 |
69 |
665235 |
84 |
740406.4 |
61 |
692247.9 |
54 |
662053.5 |
11 |
740245.7 |
46 |
692196.6 |
18 |
660403.3 |
29 |
735647.9 |
90 |
691722.7 |
6 |
659161.1 |
67 |
732879.5 |
33 |
690411.6 |
22 |
659072.1 |
59 |
732409 |
80 |
689793.3 |
72 |
658334.7 |
42 |
730669.6 |
77 |
689593.9 |
82 |
654149.6 |
93 |
729768.8 |
40 |
688906.4 |
99 |
652916.4 |
68 |
729676.9 |
89 |
684409.9 |
20 |
649598.9 |
63 |
727313.1 |
97 |
684279.4 |
23 |
646539.7 |
87 |
726341.6 |
24 |
682478.4 |
5 |
643888.1 |
26 |
722887.4 |
58 |
682452.2 |
66 |
643457.9 |
38 |
715226.9 |
71 |
681690.5 |
14 |
642825.4 |
76 |
711597.1 |
70 |
681167.3 |
45 |
629977.4 |
56 |
708782.5 |
96 |
681095.3 |
75 |
629553.8 |
17 |
708562.8 |
35 |
679045.2 |
3 |
625240.1 |
74 |
706798.2 |
27 |
678591.1 |
30 |
625240.1 |
13 |
705637.6 |
85 |
677746.7 |
39 |
622623.4 |
7 |
705298.8 |
73 |
676184.8 |
91 |
621037 |
43 |
704949.2 |
57 |
675862 |
92 |
619325.5 |
21 |
704103.6 |
95 |
674251.1 |
94 |
614488.7 |
37 |
702753.7 |
79 |
673434.8 |
迭代次数最大的是根号8,迭代次数最小的是根号94.
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%。相等收敛标准下迭代次数越大表明二者差异越小。
按照假设1,这个结果表明根号2的结构与根号94差异最大,而与根号8差异最小。
再比较分类准确率
根号x |
分类准确率 |
根号x |
分类准确率 |
根号x |
分类准确率 |
99 |
0.5161005 |
35 |
0.50381407 |
15 |
0.49998492 |
74 |
0.51311558 |
14 |
0.50380905 |
32 |
0.49952764 |
79 |
0.51069849 |
37 |
0.50368342 |
58 |
0.49948241 |
69 |
0.51055779 |
31 |
0.50361809 |
43 |
0.49939698 |
34 |
0.51042714 |
91 |
0.50271859 |
88 |
0.49869849 |
23 |
0.51020101 |
87 |
0.50252261 |
77 |
0.49860804 |
96 |
0.50925126 |
20 |
0.50240201 |
24 |
0.49809045 |
5 |
0.50867337 |
19 |
0.50236181 |
75 |
0.49795477 |
66 |
0.50859799 |
40 |
0.50234673 |
46 |
0.49762312 |
44 |
0.50835176 |
94 |
0.50205025 |
29 |
0.49750754 |
3 |
0.50807035 |
12 |
0.50203518 |
93 |
0.49747236 |
30 |
0.50807035 |
82 |
0.50203015 |
63 |
0.49735678 |
17 |
0.50775377 |
89 |
0.50193467 |
55 |
0.49731156 |
28 |
0.50769347 |
92 |
0.50179899 |
78 |
0.4970804 |
21 |
0.50766834 |
73 |
0.50162312 |
33 |
0.49652261 |
52 |
0.50729648 |
50 |
0.50157286 |
56 |
0.49651759 |
85 |
0.50729648 |
76 |
0.50153266 |
68 |
0.49651759 |
13 |
0.50723618 |
26 |
0.50148241 |
61 |
0.49647739 |
42 |
0.50712563 |
53 |
0.50142211 |
83 |
0.49605025 |
72 |
0.50709548 |
84 |
0.50133166 |
8 |
0.49590452 |
39 |
0.50667839 |
6 |
0.50131156 |
98 |
0.49525628 |
27 |
0.50647739 |
65 |
0.50085427 |
97 |
0.49509548 |
60 |
0.50603015 |
62 |
0.50074874 |
67 |
0.49441206 |
7 |
0.50596985 |
54 |
0.50054271 |
71 |
0.49424623 |
90 |
0.5058191 |
48 |
0.50050754 |
70 |
0.49405025 |
10 |
0.50578392 |
45 |
0.50046734 |
47 |
0.49370352 |
57 |
0.50446734 |
95 |
0.50039196 |
11 |
0.49312563 |
59 |
0.50443216 |
41 |
0.50027136 |
51 |
0.49240201 |
38 |
0.50405025 |
22 |
0.50018593 |
18 |
0.48945729 |
86 |
0.5039397 |
80 |
0.50008543 |
有60个数的分类准确率的平均值是大于50%的,其中最大的是根号99,可以达到51.61%。
https://www.wolframalpha.com/
N[sqr(2),30000]
比如根号2和根号3的数据是
g2g3 |
||||||||||
训练集 |
0-2500 |
|||||||||
测试集 |
2500-3000 |
|||||||||
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 |
最大值p-max |
迭代次数标准差 |
pave标准差 |
0.500338192 |
0.499239469 |
20.55778894 |
0.500080402 |
0.5 |
5.256281407 |
1052 |
0.017533333 |
0.524 |
25.22970705 |
0.003709768 |
0.467823775 |
0.5322995 |
11919.66834 |
0.516839196 |
0.4 |
133.9045226 |
26653 |
0.444216667 |
0.531 |
969.2051142 |
0.007147707 |
0.555233687 |
0.444791463 |
57628.05528 |
0.519824121 |
0.3 |
628.3266332 |
125043 |
2.08405 |
0.536 |
23085.578 |
0.004646739 |
0.616973437 |
0.382998604 |
135998.9497 |
0.512130653 |
0.2 |
1476.110553 |
293751 |
4.89585 |
0.539 |
19865.73736 |
0.009454095 |
0.733029551 |
0.266970767 |
191893.0201 |
0.513376884 |
0.1 |
2068.492462 |
411637 |
6.860616667 |
0.554 |
25796.91008 |
0.01233183 |
0.694724672 |
0.305275328 |
303482.5276 |
0.507361809 |
0.01 |
3274.658291 |
651664 |
10.86106667 |
0.556 |
21025.07752 |
0.014651041 |
0.642949758 |
0.357050292 |
418999.3568 |
0.506165829 |
0.001 |
4491.703518 |
893852 |
14.89753333 |
0.545 |
47223.97265 |
0.015214963 |
0.637957293 |
0.362042703 |
420436.4372 |
0.507 |
9.00E-04 |
4506.653266 |
896830 |
14.94716667 |
0.543 |
42325.38175 |
0.014135738 |
0.562718115 |
0.437281893 |
431819.0553 |
0.50618593 |
8.00E-04 |
4635.075377 |
922391 |
15.37318333 |
0.557 |
50420.4394 |
0.01460779 |
0.597865141 |
0.402134839 |
440818.8392 |
0.502422111 |
7.00E-04 |
4669.361809 |
929210 |
15.48683333 |
0.551 |
55378.81957 |
0.016427478 |
0.562741749 |
0.437258266 |
458893.4372 |
0.505748744 |
6.00E-04 |
4868.668342 |
968868 |
16.1478 |
0.554 |
61587.45673 |
0.016143427 |
0.592875786 |
0.407124209 |
462545.7789 |
0.506160804 |
5.00E-04 |
4901.522613 |
975407 |
16.25678333 |
0.54 |
55633.63555 |
0.014304452 |
0.612977949 |
0.387022063 |
490165.3065 |
0.50620603 |
4.00E-04 |
5200.180905 |
1034847 |
17.24745 |
0.546 |
75881.90078 |
0.013377877 |
0.567800493 |
0.432199477 |
515554.4271 |
0.505447236 |
3.00E-04 |
5476.834171 |
1089896 |
18.16493333 |
0.556 |
77536.28047 |
0.015290684 |
0.607998131 |
0.392001886 |
576056.5377 |
0.505371859 |
2.00E-04 |
6097.01005 |
1213314 |
20.2219 |
0.54 |
95671.37734 |
0.014181608 |
0.638164184 |
0.361835814 |
625240.1055 |
0.508070352 |
1.00E-04 |
6616.929648 |
1316774 |
21.94623333 |
0.549 |
115278.666 |
0.015353296 |
用神经网络分类根号2与根号x的数据汇总相关推荐
- 图片→矩阵→空间→坍缩-→质点--用神经网络将空间坍缩成粒子的实验数据汇总
为了理解神经网络具体是如何将两个对象分类的,假设神经网络的作用相当于弹簧,并且用实验数据证明了二分类0,1到0,9的数据都是符合这个假设的.证明数学上是可能将神经网络的收敛过程理解成是弹簧的并联过程. ...
- Python实现GWO智能灰狼优化算法优化卷积神经网络分类模型(CNN分类算法)项目实战
说明:这是一个机器学习实战项目(附带数据+代码+文档+视频讲解),如需数据+代码+文档+视频讲解可以直接到文章最后获取. 1.项目背景 灰狼优化算法(GWO),由澳大利亚格里菲斯大学学者 Mirjal ...
- 深度学习原理—代码分析线性分类与神经网络分类的区别
https://www.toutiao.com/a6687727778487337476/ 利用sklearn.dataset随机产生数据,随机生成两类数据,用不同的颜色展示出来,如下图: 产生的随机 ...
- 利用循环神经网络生成唐诗_【机器学习】【期末复习】闲聊神经网络 分类
类似于人脑的一种神经递质,有一个信号经过一系列传到有一个输出(单线).既然是网络,应该就是一堆上述带有输入输出的线构成的网络吧. reference: 一文看懂四种基本的神经网络架构www.jian ...
- 对神经网络分类行为的认识二则
分类与自旋 "每一种粒子都具有一个固定的自旋值,永远不变,粒子从来不存在开始转得更快或更慢;以ћ作为度量单位, 宇宙中每个光子的自旋等于每个希格斯玻色子的自旋等于零;自旋是粒子的固有属性,不 ...
- 用神经网络分类矩阵和矩阵的转置
设A是一个9*9的随机矩阵,让矩阵的每个格子都是一个0到1之间的随机数.A^T是矩阵A的转置.测试集由1000个A和A^T组成,这个网络是否可以收敛并分类? 在收敛误差δ一致的前提下,实验统计了7组收 ...
- 一个与神经网络分类特征旋转不变性有关的实验
继续用<用神经网络分类两条夹角为θ的直线>的办法分类两条直线. y=x*tanθ和y=x*tan(θ+20) 所不同的是这次让两条直线之间的夹角固定为20,让θ分别等于0,20...340 ...
- 用神经网络分类无理数2**0.5和3**0.5
(2**0.5,3**0.5)-100*10*2-(1,0)(0,1) 用神经网络分类分类2**0.5和3**0.5,2**0.5和3**0.5分别取3万位有效数字.每10位有效数字构成一张图片,共3 ...
- 2*2矩阵训练集比例对BP神经网络分类性能影响
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 构造一个网络 d2( x(a||fa ...
- BP神经网络分类2*2对角矩阵准确率数据汇总
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c,p,a,fa做训练集,用不同比 ...
最新文章
- 美团开源Logan Web:前端日志在Web端的实现
- RocEDU.课程设计2018 第二周进展 博客补交
- 环境变量_配置JAVA环境变量
- java手游 《剑心》_java
- SpringBoot2.0系列(4)---SpringBoot之使用JPA完成简单的rest api
- 每天一个linux命令(6) ar命令
- uPyLoader简易使用教程
- 厨房电器机械EN60335-2-14检测标准及项目
- 驱动板LVDS输出接口(发送器),液晶面板LVDS输入接口(接收器)
- 51单片机12864液晶显示模块控制
- “沉浸式”住宿体验——酒店的新瓶,民宿的老酒
- web编程技术基础---CSS
- Spring Cloud 微服务项目实战 -
- 证明ker f是H中的闭线性子空间(f是连续有界线性泛函)
- JIT - 即时编译
- 基于单片机仓库智能巡检车的设计
- vscode使用chatGPT
- 一种基于深度学习的增值税发票影像识别系统
- 《毛毛虫组》【Alpha】Scrum meeting 3
- rpt层构建以及实现,220626,hm
热门文章
- Word怎么在空白处添加下划线
- torch.optim优化算法理解之optim.Adam()
- 计算机wmi配置错误,系统没有WMI服务怎么办、WMI错误修复方法
- java中数字转换汉语中人民币的大写
- 解决re.search()时出现excepted string or buffer问题
- html编辑中,出现报错 semi-.colon excepted css(………)
- C语言中 各数据类型求绝对值abs(),fabsf()等函数的使用。
- 基金交易席位的制度沿袭
- 计算机系统时间无法更改,电脑时间改不了怎么办|电脑时间无法修改的解决方法...
- 微信分享 链接地址文档