一个稳定的粒子

(mnist 0)---m*n*2---(1,0)

用mnist的0作为训练集，让网络向(1,0)收敛，测试集为mnist 0.这个网络的分类准确率恒为100%。这到底是什么意思？

 

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衰变剩余的算术和pave=Σpr。

 

按照衰变假设，这个不分类的网络可以理解成是这个被概率密度表达的粒子所处的外部环境就是这个粒子本身，也就是这个粒子不受任何外部因素的影响。因此就分类意义上这个粒子是恒稳定的。如果衰变的目的是寻找环境中的更低能级，但如果环境和粒子是一样的，这个粒子又为什么要衰变呢？

 

所以不分类网络

(mnist 0)---m*n*2---(1,0)

可以对应一个稳定的粒子。