mnist 0与mnist x 相互衰变半衰期汇总
神經網絡的衰變假設:被概率密度表達的粒子A和B彼此互為粒子和環境,在相互作用中被彼此微擾產生衰變,衰變產物是B化A和A化B,網絡的分類準確率是兩個粒子分類準確率的和pave=Σpr。
?
(mnist 0, mnist x)---81*30*2---(1,0)(0,1)
用神經網絡分類mnist的0和x,讓x=1,2,3,4,5,6,7,8,9。分別去測量在0和x構成的獨立環境中二者的半衰期。
讓收斂標準δ=1e-4,收斂199次,統計平均值。
?
得到的數據
| ? | f2[0] | f2[1] | 迭代次數n | 平均準確率p-ave | p10-1 | p01-1 | δ | 耗時ms/次 | 耗時ms/199次 | 耗時 min/199 | 最大值p-max | 迭代次數標準差 | pave標準差 | 測試集數量 | 測試集數量 | pave | 半衰期1-0 | 半衰期0-1 |
| *01 | 8.38E-05 | 0.999916 | 5333.487 | 0.997864 | 0.99539 | 1 | 1.00E-04 | 134.7035 | 26817 | 0.44695 | 1 | 199.2707 | 3.73E-04 | 980 | 1135 | 0.997864 | 800116.6 | ∞ |
| *02 | 8.79E-05 | 0.999912 | 3173.317 | 0.981053 | 0.981504 | 0.980625 | 1.00E-04 | 87.60302 | 17438 | 0.290633 | 0.984592 | 377.9268 | 0.001442 | 980 | 1032 | 0.981053 | 117821.4 | 112423.2 |
| *03 | 0.874314 | 0.125686 | 3999.236 | 0.98472 | 0.995206 | 0.974546 | 1.00E-04 | 104.8693 | 20873 | 0.347883 | 0.988945 | 470.9662 | 0.001082 | 980 | 1010 | 0.98472 | 576802.2 | 107512.7 |
| *04 | 7.08E-05 | 0.999929 | 4313.005 | 0.991348 | 0.984981 | 0.997702 | 1.00E-04 | 111.6884 | 22237 | 0.370617 | 0.993374 | 769.1974 | 8.02E-04 | 980 | 982 | 0.991348 | 197552.8 | 1299643 |
| *05 | 8.80E-05 | 0.999912 | 3642.01 | 0.978914 | 0.97371 | 0.984632 | 1.00E-04 | 96.21106 | 19155 | 0.31925 | 0.980769 | 438.1141 | 0.001045 | 980 | 892 | 0.978914 | 94756.76 | 162997.7 |
| *06 | 0.668312 | 0.331688 | 4119.643 | 0.978377 | 0.98876 | 0.967756 | 1.00E-04 | 107.1256 | 21326 | 0.355433 | 0.986068 | 1019.157 | 0.003651 | 980 | 958 | 0.978377 | 252622.2 | 87125.02 |
| *07 | 8.77E-05 | 0.999912 | 3429.337 | 0.989965 | 0.988232 | 0.991663 | 1.00E-04 | 93.00503 | 18515 | 0.308583 | 0.992424 | 637.3502 | 0.00106 | 980 | 1000 | 0.989965 | 200800.2 | 283939.4 |
| *08 | 0.999914 | 8.57E-05 | 3694.849 | 0.978133 | 0.993231 | 0.962941 | 1.00E-04 | 98.25126 | 19559 | 0.325983 | 0.985159 | 406.0504 | 0.003417 | 980 | 974 | 0.978133 | 377097.3 | 67819.41 |
| *09 | 0.869287 | 0.130713 | 4437.312 | 0.981436 | 0.992483 | 0.970706 | 1.00E-04 | 114.7789 | 22847 | 0.380783 | 0.988436 | 695.489 | 0.003596 | 980 | 1009 | 0.981436 | 407617.8 | 103448.6 |
?
pave=Σpr的表達式
如(mnist 0 和1)的數據,0的測試集有980張圖片,1的測試集中有1135張圖片,0占46.3357%,1占53.6643%。總的分類準確率為0.997864=0.99539*0.463357+1*0.536643.
?
半衰期的計算方法
T為半衰期,N是迭代次數
如在(mnist 0 和1)網絡中,將1當作環境,將0當作粒子,0的半衰期為
T0=5333.487/LOG(0.99539021630151,0.5)=800116.5
但如果將0作為環境,將1當作粒子
T1=5333.487/LOG(1,0.5)
就會出現除0,也就是粒子1在0的環境中半衰期為無窮大,也就是粒子1在0的環境中幾乎是穩定的,不衰變。
?
總結
以上是生活随笔為你收集整理的mnist 0与mnist x 相互衰变半衰期汇总的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 用神经网络测量训练集的半衰期
- 下一篇: 神经网络到底是如何做出决策的?