mnist 0与mnist x 相互衰变半衰期汇总

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。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

黑榆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值