用神经网络分类奇数和偶数

A:奇数

B:偶数

(A,B)—1*2*2—(1,0)(0,1)

 

让A等于5000以内偶数:sigmoid(2n/5000)

B等于A+1:sidmoid((2n+1)/5000)，

用A,B两个训练集训练网络，网络的结构是1*2*2，这个网络能分类吗？

这个网络的似乎无法收敛，迭代次数为无穷大。但奇数集合和偶数集合很显然是有差异的为什么分不开？

假想有一个人生活在一个只有一个维度的世界，也就是生活在一条线上。假设这个人的移动逻辑是从小到大，显然这个人将沿着数轴由左向右移动，这个人的左侧的值永远小于右侧的值。

现在假设这个人的移动逻辑是从奇数到偶数，那这个人应该如何移动？

这个人可以从1移动到2，但无法从2移动到3，因为从2到3是从偶数到奇数，与他的行为逻辑不符。他想要从2移动到3只能跨过2到3之间的路程。

但可以想象在一个一维的世界不可能存在这个跨越的动作，想要实现跨越至少需要两个维度。

由这个假想的实验可以得出一个假设，如果是远近的对称性破缺产生了第一个维度，那么是连续路径和离散路径的对称性破缺导致了第二个维度的产生。

 

这个人按照由小到大的移动逻辑可以遍历数轴上所有的数，但是按照由奇到偶的移动逻辑却无法遍历数轴上所有的奇数和偶数，或者说如果按照由奇数到偶数的移动逻辑想要遍历所有的奇数和偶数只能允许一个跨维度跃迁行为。

这个事实意味着奇数集合与偶数集合之间的差异并不只是数值的差异，同时也有结构的差异，这两个差异无法在一个维度内被完整的表达。因此只用一个维度的数据集去表达奇数和偶数集合事实上漏掉的这两个集合之间的结构差异。

A：偶数，0

B：0，奇数

如果让A和B是一个二维数组，显然A和B是可以分类的。也就是二维数组相比一维数组不止体现了数值的差异，还体现了数据结构上的内在差异，使得奇数集和偶数集得以分类。