形态数轴的非对称等位点

(A，B)---4*4*2---(1,0)(0,1)

用神经网络分类A和B，让A和B都是2*2的矩阵，A中每个格子都是1.B有两个1，分布如图。现在分类这两张图片，让这两张图片不断迭代直到收敛。在收敛误差一致的条件下，统计迭代次数并比较。

得到迭代次数如下

	425	426
δ	迭代次数n	迭代次数n
5.00E-04	43234.73	43197.22
4.00E-04	54123.1	53830.5
3.00E-04	70132.42	70954.73
2.00E-04	103411.5	102746.2
1.00E-04	197448.6	201948.3

将这两组数据画成图

可以基本确认这两条线是重合的，这个判断也符合425和426的B相对于A的对称关系。因为相对于A，425的B旋转90度就可以得到426的B。同样反过来也可以。所以这可以解释迭代次数曲线重合的现象。

现在再将425和426的迭代次数和前面实验得到的421-424的迭代次数放在一起比较

	421	422	423	424	425	426
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	43419.55	43768.71	44255.1	44394.1	43234.73	43197.22
4.00E-04	53934.45	53668.25	54321.85	54310.12	54123.1	53830.5
3.00E-04	70134.04	70128.54	70742.93	71375.41	70132.42	70954.73
2.00E-04	103634.2	104216.6	103698.3	103876	103411.5	102746.2
1.00E-04	200992.7	201399.3	201920.7	201201.3	197448.6	201948.3

画成图

可以发现425和426的曲线和421-424的曲线也是重合的。

421到424的B相对于A旋转360度可以复位，而425，426的B旋转180度就可以复位，所以显然421-424的B和425，426的B是两种不同的对称性，他们并不相同，那为什么他们相对于A会有同样的迭代次数？

把参与分类的A和B中的数字看作是组成A和B的粒子，设分类的过程就是让A和B中的粒子互相交换位置，迭代次数与熵成反比，而所谓的熵就是粒子最短移动距离和。

考虑421的情形，因为A中（0，0）和（1，0）位的粒子位置重合,不需要移动，而（0，1）和（1，1）位的粒子最经济的移动路线就是

（0，1）→（0，0）

（1，1）→（1，0）

移动距离都是1，因此A中粒子移动距离和为2.

而B中的两个粒子位置重合都不需要移动，不考虑0.因此B的移动距离是0.所以对于421的情况，移动距离和是2+0=2.

现在考虑425，同样A中的（0，0）和（1，1）粒子因为位置重合无需移动。而（0，1）粒子可以有两个最优移动选择

（0，1）→（0，0）

（0，1）→（1，1）

这两种选择无论哪一种移动距离都是1.同样（1，0）粒子的移动距离也只能是1，因此A中粒子的移动距离和为2.

而B中的粒子因为位置重复，无需移动因此移动距离为0.因此对425，粒子移动距离和为2，和421相同，因此熵相同，因此迭代次数相同。

所以这就意味这如果把2*2所有格子都是1的形态作为分类原点，把迭代次数作为坐标，则421-426位于这条形态数轴的同一个点，他们是等位点，这个实验表明了形态数轴的等位点可以有不同的对称特征。