神经网络的衰变假设:被概率密度表达的粒子A和B彼此互为粒子和环境,在相互作用中被彼此微扰产生衰变,衰变产物是B化A和A化B,网络的分类准确率是两个粒子分类准确率的和pave=Σpr。
(mnist 0, mnist x)---81*30*2---(1,0)(0,1)
用神经网络分类mnist的0和x,让x=1,2,3,4,5,6,7,8,9。分别去测量在0和x构成的独立环境中二者的半衰期。
让收敛标准δ=1e-4,收敛199次,统计平均值。
得到的数据
f2[0] | f2[1] | 迭代次数n | 平均准确率p-ave | p10-1 | p01-1 | 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 | 测试集数量 | 测试集数量 | 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的表达式
如(mnist 0 和1)的数据,0的测试集有980张图片,1的测试集中有1135张图片,0占46.3357%,1占53.6643%。总的分类准确率为0.997864=0.99539*0.463357+1*0.536643.
半衰期的计算方法
T为半衰期,N是迭代次数
如在(mnist 0 和1)网络中,将1当作环境,将0当作粒子,0的半衰期为
T0=5333.487/LOG(0.99539021630151,0.5)=800116.5
但如果将0作为环境,将1当作粒子
T1=5333.487/LOG(1,0.5)
就会出现除0,也就是粒子1在0的环境中半衰期为无穷大,也就是粒子1在0的环境中几乎是稳定的,不衰变。