二分类神经网络的特征光谱---2-3至2-9

用特征迭代次数的方法构造神经网络的光谱,

网络结构是

(mnist 2 ,mnist x)81-30-2-(1,0) || (0,1)

将28*28的图片压缩到9*9,三层网络的节点数量分别是81*30*2,让2向(1,0)收敛让x向(0,1)收敛,让x分别等于3-9.网络的迭代停止的标准是

|输出函数-目标函数|<δ

让δ=1e-6,重复收敛999次,统计平均值和分布,然后用得到的迭代次数的分布数据画图

数据统计表

 

f2[0]

f2[1]

迭代次数n

平均准确率p-ave

δ

耗时ms/次

耗时ms/999次

最大值p-max

2-3

0.913913

0.086087

56675.627

0.977424

1.00E-06

1069.11

1068062

0.984329

2-4

0.928928

0.071072

71943.62

0.986349

1.00E-06

1356.499

1355143

0.99007

2-5

7.84E-07

0.999999

27194.14

0.971512

1.00E-06

514.979

514495

0.985447

2-6

0.999999

7.33E-07

30048.023

0.9688

1.00E-06

568.1522

567600

0.981407

2-7

0.971971

0.028029

61644.72

0.979414

1.00E-06

1155.844

1154704

0.98622

2-8

0.999999

7.28E-07

19264.944

0.963022

1.00E-06

371.6276

371287

0.973579

2-9

0.954954

0.045046

57314.104

0.981244

1.00E-06

1058.758

1057728

0.988731

峰值分布表

2-3420754273144717499215207152727531795360154713573515780559917620676272363558635976465764709
 12159421341124251318761816296
2-3647386491265317655406610267347673966767267782678016991370957721167271972823735547417974653
 371611271345432181322
2-374705747147473474908775657777882184           
 71112121           
                   
2-4565395738158403584495925559267600496198362581633276358763643645896470366535672736736567377
 321151865249102106302116
2-4676206771167877683996844569251692636933569439697476991369993700457101271979725777304973219
 5722655712244114124111811
2-4733237348573583736397458574699750017552675716765317726977361773737761677707778737844179162
 355814419214132752951562
2-4791707924779259792917933179743799097998980041801358064081008825738331983481836358469585522
 1236131819121511922225
2-487369878698915889166892558932789905906369331595518        
 1213111111        
                   
2-5140522344624048266662843631790318643323833442334723404434314348943666238432417864323444890
 231536320512817103136116118513
                   
2-6184652686127425282432834328379284612848930383304233044331227353753616936231364833654936857
 8513151660324231831149112915
2-636889374033837538457384854037740379404394045541213412234230146165462274654546885  
 5512162614111311745  
                   
2-7436514602546107475774840750702516195272753067536475393756021575735758357791582305840358449
 432749116218819298717118828
2-7606986161562723630636359763643637496393364709660176609967569675796778768226683996844570694
 525242652421251661213621415
2-7716117271973059735937363973745739297601377565777837839578441806908363583925860098756188391
 211149151172111391111
2-78843793631                
 11                
                   
2-812467169111759918363184651944720079205292156322463        
 1319642923031756067159        
                   
2-9447114595345985483514845349447512355359153647538315404054593547075490755949559815601357571
 12401713513131266962782081214
2-9583475844959443612316358763643638276403664186645896470364903659376594565977675676844569439
 19658817111521166183547745
2-97363974032741827597377563             
 11211             

2-3的谱

这张谱强度大于10%的只有两个峰,一个是44717强度是15.9%,一个是54713强度是42.5%。这张谱例有一个明显的等距关系

64709-54713=54713-44717=9996

这张谱和分子光谱高度相似,所以神经网络是否可能给我们理解微观粒子什么有益的启示?

比如把网络的输入理解成是原子核对核外电子的电磁力作用,而把网络学习分类的耦合过程理解成是核外的电子之间的耦合成键作用。

最终得到的迭代次数的分布谱线就是的分子AB的光谱。

体现的是这个体系对权重组成的随机序列的分类。比如这个网络一共有81*30+30*2共两组权重的随机数列,但只有43个峰,也就是这两组随机数列最多只能被分成43个不同的类别。表明一个随机数列即便每个数都是随机产生的,但整体上仍然可能表达一个完整的信息。

2-4的谱

这张谱里三个明显的主峰64703,69263,74699,强度分别是10.6%,12.2%,19.2%

2-5的谱

这张谱的三个主峰分布在低频区分别是24048,28436,33442.强度分别是53.6%,20.5%,10.3%。

2-6的谱

2-6的谱虽然有34个峰值但60.3%集中于一个峰28461,第二强的峰18465占比只有8.5%。特征很明显。

2-7的谱

这张谱里只有一个强度大于10%的峰,58403强度是18.8%。这张谱里有很细致的二级精细的结构

58403-57573=68399-67569=830,两组等距的伴峰。

2-8的谱

这张图的特征非常明显有一对差不多等强度的双子峰18465,18363强度分别是30.3%,29.2%

2-9的谱

这张谱的最强峰55981强度是20.8%。在这张谱里有两组等距关系

55981-54707=65977-64703=1274第一组不等高伴峰

49447-48453=59443-58449=994 第二组不等高伴峰。

 

  • 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