时序与空间结构

移位距离假设

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

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,分类的过程就是让A和B中的粒子互相交换位置,寻找最短移位路径的过程。而熵H与最短移位距离S成正比,迭代次数n与S成反比。

移位规则汇总

移位距离就是等位点数值差的绝对值的和S=Σ|a-b|,如果训练集有多张图片取平均值,如果是多分类问题则移位距离为所有两两组合移位距离的和。

如对一组3*3的矩阵

S=s0+s1+,…,+s8=|a0-b0|+|a1-b1|+,…,+|a8-b8|

如果是3分类问题,就应该实现3个形态之间的两两分类,也就是要完成3对等位点之间的差。

因此移位距离

S=Sab+Sac+Sbc=

|a0-b0|+|a1-b1|+|a2-b2|+|a3-b3|+

|a0-c0|+|a1-c1|+|a2-c2|+|a3-c3|+

|b0-c0|+|b1-c1|+|b2-c2|+|b3-c3|

这次继续验算这一假设,所用训练集为mnist的0,1,2,3,4的第一张图片,做一个3分类网络,来验证迭代次数和移位距离的关系

( A, B, C )---m*n*k---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

首先用间隔取点的办法把图片化成9*9,网络结构为

( A, B, C )---81*30*3---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

得到数据

9*9

δ

0.01

0.001

9.00E-04

8.00E-04

7.00E-04

S平均

1*3*4

迭代次数n

2248.477

15564.5

17165.27

19037.75

21613.02

52

2*3*4

迭代次数n

2058.874

14731.81

16207.58

18052.38

20439.4

90

1*2*4

迭代次数n

2041.126

14661.05

16110.55

17955.89

20321.21

82

0*3*4

迭代次数n

1981.261

14410.76

15882.11

17717.5

20086.51

88

0*1*3

迭代次数n

2011.693

14226.95

15649.56

17446.29

19849.48

82

0*1*4

迭代次数n

1961.472

14246.09

15699.46

17460.94

19833.61

82

1*2*3

迭代次数n

2005.533

14162.56

15554.51

17324.29

19712.56

86

0*1*2

迭代次数n

1861.744

13256

14571.18

16156.77

18359.36

70

0*2*3

迭代次数n

1774.553

12471.54

13759.03

15339.65

17300.2

82

0*2*4

迭代次数n

1772.955

12289.27

13521.05

15107.41

17049.99

90

如1*2*3的意思为

( 1, 2, 3 )---81*30*3---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

将收敛误差为7e-4的迭代次数画成图

将移位距离S画成图

尽管S曲线的波动较大,但S和n之间的反比关系仍然是清晰的。

再一次验算将图片化成11*11,网络结构为

( A, B, C )---121*30*3---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

得到数据为

δ

0.01

0.001

9.00E-04

8.00E-04

7.00E-04

S平均

1*3*4

迭代次数n

1879.935

13735.02

15173.34

16891.76

19181.42

96

0*3*4

迭代次数n

1789.307

13405.12

14714.66

16475.77

18591.92

146

2*3*4

迭代次数n

1725.171

13303.93

14550.28

16220.5

18409.24

166

0*1*4

迭代次数n

1740.226

12824.57

14240.37

15887.85

18000.18

156

0*1*3

迭代次数n

1738.045

12944.04

14307.66

15907.33

17982.46

152

1*2*4

迭代次数n

1722.628

12867.81

14121.82

15764.27

17889.45

168

1*2*3

迭代次数n

1692.377

12826.67

14120.54

15755.62

17850.13

168

0*1*2

迭代次数n

1565.814

11809.94

12998.81

14557.29

16571.86

158

0*2*4

迭代次数n

1560.085

11508.12

12676.15

14163.69

16176.46

170

0*2*3

迭代次数n

1547.613

11531.02

12737.23

14278.24

16147.87

168

画出s曲线和n曲线

可见s和n之间的反比关系很明显,s增加而n减小。

所以综合前面的实验,对两张图片的二分类问题s和n之间保持了一种很严格的反比关系。而对3张图片的二分类问题和3张图片的3分类问题s和n之间确只能做到近似相符,为什么会是这样?

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

( 粒子,环境 )---m*n*k---(1,0)(0,1)

这件事或许可以做如下猜测,对于一个二分类网络,可以将分类的两个对象理解为粒子和环境,粒子处在环境中,而环境中只有这一个粒子。在这个物理环境中是没有时间的。因此这个粒子或者是静止或者做匀速直线运动,这个粒子的过去和未来没有任何区别,这等价于时间是静止的。这个粒子可以随意的穿梭到过去和未来。

或者理解为粒子在环境中,则粒子在任意时刻相对环境都有一个相对距离为0的状态,粒子和环境的相对距离为0,而t=s/v则无论粒子和环境之间如何相互作用,这种力的作用过程都将是瞬时的,耗时为0.所以无论用哪种方式理解在仅有1个粒子的环境中,没有时间变量。A和B是瞬时作用。

( A B,C )---m*n*k---(1,0)(0,1)

( 粒子A  粒子B,环境C )---m*n*k---(1,0)(0,1)

因此对3张图片的二分类问题,可以理解为是粒子A和粒子B与环境C二分类,这时在环境C中存在两个粒子,这时粒子A和B的运动的同时性就是相对的。这也就意味着这个环境中出现了一个新的变量,t时间。A和B运动的先后出现了时序问题。

( A, B, C )---m*n*k---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

( 粒子A, 粒子B, 环境C )---m*n*k---( 1, 0, 0 )( 0, 1, 0 )( 0, 0, 1 )

同样对于3分类问题,如果假设粒子和环境的作用是瞬时的,那粒子和粒子之间的相互作用也总有先后问题,同样会导致时序t的产生。

所以之所以在3张图片的二分类问题和3张图片的三分类问题中会有对称导致的不规则的结构耦合效应,是因为相对两张图片的二分类问题出现了一个新的物理量时序t。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

黑榆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值