所谓分类到底是在干什么?

(A，B)---m*n*k---(1,0)(0,1)

移动距离和的假设

用神经网络分类A和B，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，寻找最短移动路径的过程。而熵H与最短移动距离和成正比，迭代次数n和熵H成反比。

对二值化图片移动规则汇总

每个粒子移动一次，位置重合不移动，0不动，单次移动距离恒为1.

这次继续验证这一假设

让A中有9个1，B中有8个1. 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，收敛199次，统计迭代次数平均值并比较。

得到迭代次数

	981	983	987	989
δ	迭代次数n	迭代次数n	迭代次数n	迭代次数n
5.00E-04	34219.01	34600.46	34299.97	34162.28
4.00E-04	41899.68	41577.95	41779.19	41478.43
3.00E-04	53474.56	53931.35	54224.66	54175.03
2.00E-04	77797.83	77866.07	78635.94	77287.59
1.00E-04	148175	146977.9	147288.2	146783.9

4条线是重合的，符合981，983，987，989相对于A对称的事实。并且按照移位规则，这4种情况的移动距离和都是1.因为只有A中有一个粒子需要移动，移动的距离恒为1，与前述实验94系列的实验数据相比较

	941	942	943	944	945	946	947
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	迭代次数n
5.00E-04	22959.57	22854.03	22941.76	22876.61	22979.1	23053.17	23076.96
4.00E-04	27774.2	28250.26	27933.11	27961.84	27778.93	28150.59	28129.2
3.00E-04	35993.35	36440.37	36647.11	36798.63	36995.76	36409.85	36526.92
2.00E-04	52950.71	53656.6	52985.71	53283.13	53381.54	53199.01	53232.16
1.00E-04	101146.2	102696.1	101808.5	101585.2	102078.7	102686.3	101771.2

因为94系列的移动距离为5，因此94系列的熵>91系列的这4种情况，因此94系列的迭代次数 <91系列的迭代次数。

再做第二组实验

同样A有9个1，B有8个1，得到迭代次数

	981	983	987	989	982	984	986	988
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	迭代次数n	迭代次数n
5.00E-04	34219.01	34600.46	34299.97	34162.28	34676.75	34212.45	34217.01	33959.48
4.00E-04	41899.68	41577.95	41779.19	41478.43	41780.76	42039.11	41703.63	41880.59
3.00E-04	53474.56	53931.35	54224.66	54175.03	53560.36	53304.33	54140.83	53930.89
2.00E-04	77797.83	77866.07	78635.94	77287.59	77295.69	77960.25	77721.77	77141.64
1.00E-04	148175	146977.9	147288.2	146783.9	147796.8	146967.2	148184.4	147621.7

这8条曲线都是重合的，982和981显然并不是对称的，因为981不论怎么操作也变不成982。 但这一现象很容易用移动距离和假设去解释，因为982也只有1个点需要移动，移动距离恒为1，因此982的总移动距离为1，和981相同，因此迭代次数曲线重合。

再做第三组实验

985显然又是一个新的位置，985旋转任意角度都可以返回自身，这与981和982都不同。那985的迭代次数是多少？

	981	983	987	989	982	984	986	988	985
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	迭代次数n	迭代次数n	迭代次数n
5.00E-04	34219.01	34600.46	34299.97	34162.28	34676.75	34212.45	34217.01	33959.48	34082.06
4.00E-04	41899.68	41577.95	41779.19	41478.43	41780.76	42039.11	41703.63	41880.59	42305.63
3.00E-04	53474.56	53931.35	54224.66	54175.03	53560.36	53304.33	54140.83	53930.89	54009.94
2.00E-04	77797.83	77866.07	78635.94	77287.59	77295.69	77960.25	77721.77	77141.64	78422.43
1.00E-04	148175	146977.9	147288.2	146783.9	147796.8	146967.2	148184.4	147621.7	147644.9

实验数值是符合移动距离和假设的，因为985中总移动距离和也是1，因此和981，982系列的迭代次数曲线是重合的。

所以这些数据验证了一个假设，神经网络的分类行为可以理解为一种移位操作，在A和B两条纸带不同位置分布有点，神经网络的权重先让B上的点向A的位置移动，再让A上的点向B位置移动，而最短的移动距离和将决定最终的迭代次数。