结构4a1-13的分类规则汇总

文章讨论了使用6个节点的网络对二值图片进行分类的实验,发现训练集中特定位置(第1位)对分类至关重要。测试图片的分类主要取决于其关键列与训练集关键列的相似性。实验结果显示,B类中的00/10组合通常归类为B,而01/11组合归类为A。
摘要由CSDN通过智能技术生成

( A, B )---6*30*2---( 1, 0 )( 0, 1 )

让网络的输入只有6个节点,AB训练集各由6张二值化的图片组成,让A的6张图片中共有3个点,B中有1个点.,测试集为二进制的0-63.收敛误差7e-4,比较分类准确率。

A

B

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

1

0

0

0

0

0

0

1

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

得到的结果为

序号

012345

分类

分类

0

0

0

0

0

0

0

0

1

 *

0

1

 *

1

0

0

0

0

0

1

0

1

 *

0

1

 *

2

0

0

0

0

1

0

1

1

 ***

1

1

 ***

3

0

0

0

0

1

1

1

1

 ***

1

1

 ***

4

0

0

0

1

0

0

0

1

 *

0

1

 *

5

0

0

0

1

0

1

0

1

 *

0

1

 *

6

0

0

0

1

1

0

1

1

 ***

1

1

 ***

7

0

0

0

1

1

1

1

1

 ***

1

1

 ***

8

0

0

1

0

0

0

0

1

 *

0

1

 *

9

0

0

1

0

0

1

0

1

 *

0

1

 *

10

0

0

1

0

1

0

1

1

 ***

1

1

 ***

11

0

0

1

0

1

1

1

1

 ***

1

1

 ***

12

0

0

1

1

0

0

0

1

 *

0

1

 *

13

0

0

1

1

0

1

0

1

 *

0

1

 *

14

0

0

1

1

1

0

1

1

 ***

1

1

 ***

15

0

0

1

1

1

1

1

1

 ***

1

1

 ***

16

0

1

0

0

0

0

0

1

 *

0

1

 *

17

0

1

0

0

0

1

0

1

 *

0

1

 *

18

0

1

0

0

1

0

1

1

 ***

1

1

 ***

19

0

1

0

0

1

1

1

1

 ***

1

1

 ***

20

0

1

0

1

0

0

0

1

 *

0

1

 *

21

0

1

0

1

0

1

0

1

 *

0

1

 *

22

0

1

0

1

1

0

1

1

 ***

1

1

 ***

23

0

1

0

1

1

1

1

1

 ***

1

1

 ***

24

0

1

1

0

0

0

0

1

 *

0

1

 *

25

0

1

1

0

0

1

0

1

 *

0

1

 *

26

0

1

1

0

1

0

1

1

 ***

1

1

 ***

27

0

1

1

0

1

1

1

1

 ***

1

1

 ***

28

0

1

1

1

0

0

0

1

 *

0

1

 *

29

0

1

1

1

0

1

0

1

 *

0

1

 *

30

0

1

1

1

1

0

1

1

 ***

1

1

 ***

31

0

1

1

1

1

1

1

1

 ***

1

1

 ***

32

1

0

0

0

0

0

0

1

 *

0

1

 *

33

1

0

0

0

0

1

0

1

 *

0

1

 *

34

1

0

0

0

1

0

1

1

 ***

1

1

 ***

35

1

0

0

0

1

1

1

1

 ***

1

1

 ***

36

1

0

0

1

0

0

0

1

 *

0

1

 *

37

1

0

0

1

0

1

0

1

 *

0

1

 *

38

1

0

0

1

1

0

1

1

 ***

1

1

 ***

39

1

0

0

1

1

1

1

1

 ***

1

1

 ***

40

1

0

1

0

0

0

0

1

 *

0

1

 *

41

1

0

1

0

0

1

0

1

 *

0

1

 *

42

1

0

1

0

1

0

1

1

 ***

1

1

 ***

43

1

0

1

0

1

1

1

1

 ***

1

1

 ***

44

1

0

1

1

0

0

0

1

 *

0

1

 *

45

1

0

1

1

0

1

0

1

 *

0

1

 *

46

1

0

1

1

1

0

1

1

 ***

1

1

 ***

47

1

0

1

1

1

1

1

1

 ***

1

1

 ***

48

1

1

0

0

0

0

1

1

 ***

0

1

 *

49

1

1

0

0

0

1

1

1

 ***

0

1

 *

50

1

1

0

0

1

0

1

1

 ***

1

1

 ***

51

1

1

0

0

1

1

1

1

 ***

1

1

 ***

52

1

1

0

1

0

0

0

1

 *

0

1

 *

53

1

1

0

1

0

1

0

1

 *

0

1

 *

54

1

1

0

1

1

0

1

1

 ***

1

1

 ***

55

1

1

0

1

1

1

1

1

 ***

1

1

 ***

56

1

1

1

0

0

0

0

1

 *

0

1

 *

57

1

1

1

0

0

1

0

1

 *

0

1

 *

58

1

1

1

0

1

0

1

1

 ***

1

1

 ***

59

1

1

1

0

1

1

1

1

 ***

1

1

 ***

60

1

1

1

1

0

0

0

1

 *

0

1

 *

61

1

1

1

1

0

1

0

1

 *

0

1

 *

62

1

1

1

1

1

0

1

1

 ***

1

1

 ***

63

1

1

1

1

1

1

1

1

 ***

1

1

 ***

13-1的实验做了两次,两次的结果几乎相同

48

1

1

0

0

0

0

1

1

 ***

0

1

 *

49

1

1

0

0

0

1

1

1

 ***

0

1

 *

只有第48,49组,两次判断不一致,

将第2次数据画成图,

 

分类结果很明显,如果在测试图片的第3,4列为00,10被分为B。如果测试图片的3,4列为01,11被分为A。

对比上一次实验,如果B全是0,则测试图片的第3,4列如果不是00,都被分为A。

所以训练集中1的位置对网络的分类有关键影响,有理由认为测试集图片的分类取决于测试图片关键列与训练集关键列的相似度。

  • 6
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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