用神经网络测量训练集的半衰期

神经网络的衰变假设：被概率密度表达的粒子A和B彼此互为粒子和环境，在相互作用中被彼此微扰产生衰变，衰变产物是A的B组分和B的A组分，网络的分类准确率是两个粒子分类准确率的和pave=Σpr。

 

(0,2)—81*10*2-(1,0)(0,1)

 

做一个网络分类mnist的0和2，得到一组数据

f2[0]	f2[1]	迭代次数n	平均准确率p-ave	p10-1	p10-0	p01-1	p01-0	δ	耗时ms/次	耗时ms/199次	耗时 min/199	最大值p-max	平均值标准差
0.00512	0.99488	17090.6	0.98302	0.98707	0.01293	0.97917	0.02083	1.00E-04	136.92	27247	0.45412	0.98608	0.00149

Mnist的测试集里0有980个，2有1032个，这个网络（1，0）位的分类准确率p10-1为0.987073，（0，1）位的分类准确率p01-1是0.979174，因此网络的平均分类准确率pave是

因此这组数据符合关系

现在将两个训练集0和2粒子化，让他们互为粒子和环境，计算各自的半衰期T

首先让2做环境让0做粒子

N=17090,

P10-1=0.98707，

代入得到在2的环境中，粒子0的半衰期T是910432，

再让0做环境让2做粒子

N=17090，

P01-1=0.97917，

得到在0环境中粒子2的半衰期T是562859.

总结

以上是生活随笔为你收集整理的用神经网络测量训练集的半衰期的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。