在知识工程中心打酱油,花了一周的时间学习了下神经网络。老师安排了个题目,让我试着做做,简单的做了一点,进行了几组试验,写了个总结报告,就在这贴出来吧。
经过一周多的试验,对于这个问题有了一个简单的认识,下面是我对于这个问题的想法。近两天突然感觉问题似乎清晰了好多。
我认为,现在要解决的首要问题并不是网络的预测能力,而是如何在一个闭区间内,采用适当的方法训练网络,以使得网络在这个闭区间内具有良好的素数识别能力。
我虽然不知道素数的空间维度,但是可以肯定,对于更大范围内的素数,其空间维度必定很高。我查阅了相关的文献,高维度的空间需要密集的样本数据才能进行很好的学习。而这样的密集样本在高维中是很难找到的,因此产生了维数灾。维度的增加还将导致复杂度呈指数级的增长,从而引起高维空间中一致随机分布点的空间填充性质退化。总之,定义在高维度空间的函数是很可能远远比定义在低维度空间上的函数复杂的多,并且这些复杂的东西是难以区分的。
上面的结论是我结合试验进行的一个猜想,我感觉到要解决这个问题,突破“维度爆炸”将是关键,下面是我的分析过程。
我们不知道素数的维度到底是多少,但是根据我的经验以及接触的资料表明,它很复杂。这个问题有点像宇宙有多大一样,没有试验或者理论能确切的证明宇宙无限大,但是以我们目前的经验以及掌握的一切资料表明他是无限大的。我试着想象,在一定的范围内,素数维度的增长是平滑的,如果这个猜想成立,在一定范围内预测素数将成为可能。接下来我对于1~pow2(10)范围内的所有尾数为1,