计算二值化图片的迭代次数

(A，B)---m*n*k---(1,0)(0,1)

用神经网络分类A和B，让A中有9个1，B中有5个1，计算这个网络的迭代次数。

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.

按照移位距离和假设，951中不重合的点有4个，因此951的移动距离和为4，而941的移动距离和为5，961的移动距离和为3.因此951的迭代次数应该小于961，大于941

	961	951	941
δ	迭代次数n	迭代次数n	迭代次数n
5.00E-04	25523.99		22959.57
4.00E-04	30958.15		27774.2
3.00E-04	40262.78		35993.35
2.00E-04	59096.97		52950.71
1.00E-04	113446.1		101146.2
总移动距离	3	4	5

这次验证这一猜测

第一组实验951-953，得到数据

	951	952	953
δ	迭代次数n	迭代次数n	迭代次数n
5.00E-04	23904.73	23795.07	23801.59
4.00E-04	28978.03	28937.15	29324.19
3.00E-04	38252.24	38369.51	38000.34
2.00E-04	55426.48	55361.27	55790.98
1.00E-04	106880.8	105691.6	104897.6

比较951和941，961的数据

	961	951	941
δ	迭代次数n	迭代次数n	迭代次数n
5.00E-04	25523.99	23904.73	22959.57
4.00E-04	30958.15	28978.03	27774.2
3.00E-04	40262.78	38252.24	35993.35
2.00E-04	59096.97	55426.48	52950.71
1.00E-04	113446.1	106880.8	101146.2
总移动距离	3	4	5

确实得到迭代次数961>951>941，这个顺序符合假设，并且由于这几组图片的不重合点都只有4个，因此他们的迭代次数相同，这个现象也与假设一致。

所以对于二值化的图片，在网络结构相同的前提下，是可以通过计算不重合点的数量，对迭代次数的大小关系给出一个很合理的解释。

为进一步确认这一现象，又做了第二组实验，得到迭代次数

	951	952	953	954	955	956
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	23904.73	23795.07	23801.59	24159.42	23923.14	23806
4.00E-04	28978.03	28937.15	29324.19	29142.43	29291.83	29155.65
3.00E-04	38252.24	38369.51	38000.34	38254.14	38114.63	37731.15
2.00E-04	55426.48	55361.27	55790.98	55251.35	55435.69	55622.99
1.00E-04	106880.8	105691.6	104897.6	106630	107345.4	106412.7

几组新数据是高度重合的，也同样符合预期。

再将这次的数据与前述的实验数据做比较

	981	971	122	961	951	941
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	34219.01	28229.22	25862.05	25523.99	23904.73	22959.57
4.00E-04	41899.68	34548.15	31524.1	30958.15	28978.03	27774.2
3.00E-04	53474.56	44497.27	41011.36	40262.78	38252.24	35993.35
2.00E-04	77797.83	64693.36	59270.11	59096.97	55426.48	52950.71
1.00E-04	148175	123601.3	112397.9	113446.1	106880.8	101146.2
总移动距离	1	2	3	3	4	5

迭代次数与总移动距离之间的反比关系很清晰，也进一步验证了假设。