神经网络的分类准确率是真实存在的吗？

 

(A,B)---m*n1*k---(1,0)(0,1)

(A,B)---m*n2*k---(1,0)(0,1)

 

用两个神经网络分类A和B，让隐藏层的节点数分别为n1和n2。得到的分类准确率大概率的不同。那么如果没有神经网络，A和B之间的还有分类准确率吗？应该是多少？

 

如果A和B之间存在一个绝对的不需要外部条件的分类准确率p，这个p不应该和任何网络结构有关，无论怎么改变网络就结构测得的A和B之间的分类准确率都应该是同样的。但实验表明并不如此，改变网路结构对分类准确率影响很大。

 

所谓分类就是去测量分类准确率，所以所谓分类其实也是一种测量。所以分类准确率随着网络结构的改变而改变的现象，提示了分类准确率p，取决于测量行为本身，是一种互补行为。把网络的结构和网络的收敛过程定义为x，是x最终导致了p。由p和x之间被测量和测量的关系，猜测p和x之间存在一种不确定关系：

如果要求p是一个很精确的值，也就是Δp很小，与之对应的网络参数需要长时间迭代才能找到，Δx很大；

如果对p的要求不是很严格，Δp可以相对很大，找到与之对应的网络参数难度就小的多，Δx很小。