當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

用特征光谱分类神经网络

發布時間：2025/4/5 编程问答 24 豆豆

生活随笔收集整理的這篇文章主要介紹了用特征光谱分类神经网络小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

雖然拿不出數學證明，但是現在我個人的實驗表明對應特定的收斂標準神經網絡的迭代次數和迭代次數的分布都是特征的。這種特征非常類似化學上的光譜，所以是否有可能利用這種光譜來分類神經網絡？

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

分別制作了9個網絡來二分類mnist的0-1到0-9.

網絡結構是81*30*2，讓0向（1，0）收斂，讓x向（0，1）收斂。

設定這個網絡停止迭代的標準是

|輸出函數-目標函數|<δ

讓δ=1e-6，重復999次，統計平均值和分布，然后用得到的數據畫圖。

得到的數據表格

0-1	53882	63878	72108	73874	75502	82104	83870	85498	92100	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	5	348	1	435	68	30	74	36	2	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0-2	14610	17600	18466	24606	27596	28462	34602	37592	40288	44598	47502	47588	54594	57572	57584	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	1	26	46	34	287	29	31	338	1	18	3	159	3	1	22	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0-3	50729	60411	60631	60725	68981	69862	70341	70407	70547	70605	70627	70721	76308	78977	79858	80337	80403	80425	80543	80623	80717	82132	84161	85946	86304	86375	87046	88973	89226	89854	90333	90399	90421	90619	90713	92128	95942	98969	1E+05	?	?
?	4	9	7	176	3	1	2	77	2	1	70	350	2	13	7	8	43	3	2	22	142	1	2	7	4	1	1	5	1	7	1	1	3	1	15	1	2	1	1	?	?
0-4	17072	23196	26250	27068	32080	33192	37064	42076	43188	47060	52072	53184	57056	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	1	1	9	322	1	1	497	10	16	127	4	4	6	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0-5	14646	15898	19942	22618	24642	25816	25894	29478	29924	29938	32614	39934	39940	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	199	70	241	59	32	2	2	1	1	376	9	6	1	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0-6	50757	52575	52621	57079	57275	58649	58791	58837	60463	60753	62571	62617	63525	67073	67075	67271	67349	68645	68787	68833	69117	69237	70459	70749	72567	72613	77071	77267	77345	78517	78641	78783	78829	79113	79233	80455	80745	87067	?	?	?
?	6	8	2	1	1	2	2	22	74	204	29	38	1	3	48	34	14	17	21	45	8	3	220	117	7	6	15	10	3	4	3	6	3	2	1	12	4	3	?	?	?
0-7	14416	15788	17210	18460	21218	24412	25784	27206	28456	34408	35780	38452	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	6	3	82	538	54	160	8	51	91	3	2	1	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
0-8	43373	43851	43963	50729	51547	51643	52485	52869	52905	53369	53469	53639	53643	53663	53847	53959	55743	55749	56805	57147	60725	60911	61543	61639	62481	63659	63843	63955	63997	65739	66109	66801	67143	71539	72477	73127	73655	73839	73993	75735	76797
?	1	1	2	24	13	44	1	1	1	2	3	2	1	94	100	57	58	3	37	39	54	2	134	36	20	102	65	7	2	50	2	16	4	4	1	1	1	3	2	5	4
0-9	50560	52046	52236	57582	60556	62042	62232	67578	70552	70870	70982	72038	72228	77574	80866	80914	80978	82034	90910	90974	92030	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?
?	1	11	12	3	15	249	26	10	6	1	72	394	8	6	1	1	71	89	1	11	11	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?	?

?	f2[0]	f2[1]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/999次	最大值p-max
0-1	8.35E-07	0.999999	71843.86	0.999622	1.00E-06	1177.159	1175999	1
0-2	7.96E-07	0.999999	34757.467	0.985059	1.00E-06	647.1351	646488	0.988569
0-3	0.965965	0.034035	72074.481	0.990897	1.00E-06	1297.528	1296247	0.99397
0-4	7.68E-07	0.999999	35365.608	0.989317	1.00E-06	651.8589	651238	0.995413
0-5	7.46E-07	0.999999	22971.994	0.983244	1.00E-06	402.9279	402540	0.987714
0-6	0.999999	8.98E-07	66716.001	0.987435	1.00E-06	1219.633	1218413	0.990196
0-7	8.30E-07	0.999999	20945.708	0.991728	1.00E-06	401.4324	401047	0.994444
0-8	0.999999	8.97E-07	58868.173	0.99014	1.00E-06	1076.166	1075122	0.992835
0-9	8.56E-07	0.999999	70491.069	0.991119	1.00E-06	1296.209	1294918	0.992459

比如對應第一組數據0-1表明讓網絡分類0和1在δ=1e-6時迭代次數平均需要71843次，對應這71843次一共有9個值從53882到92100，而這9個值不是連續的，出現次數最多的是73874共出現了435次。出現次數最少的72108只出現了一次。

將第一組數據畫成圖

有兩個明顯的主峰分別是73874和63878，占比接近43.5%和34.8%

第二組數據

0-2的譜有明顯的3個主峰分別是27596，37592，47588，占比分別是28.7%，33.8%，15.9%

0-3的譜

0-3的平均迭代次數為72074但出現了39個不同的數據，有3個明顯的主峰本別是60725，70721，80717，占比分別是17.6%，35%，14.2%。另外在80543到100709這段高頻區間出現了15個小于等于3的小峰。

0-4的譜

0-4的主峰也有3個，位置分別是27068，37064，47060，占比分別是32.2%，49.7%，12.7%。比較特別的這3個主峰的位置很接近0-2的主峰的位置

0-2	27596	37592	47588
?	287	338	159
0-4	27068	37064	47060
?	322	497	127
?	0.981	0.986	0.989

比較0-4和0-2三個數峰的位置，0-4的主峰比0-2的三個主峰的位置大約都小了1%-2%。0-4主峰37064的占比高達49.7%，是1-9所有統計中第二高的峰值。

0-5的譜

0-5有三處主峰14646，19942，29938，占比分別是19.9%，24.1%，37.6%

0-6的譜

0-6的迭代次數的平均值是68667，出現了38個值，峰值的數量和0-3的數量相差不多，有兩個主峰60753和70459占比分別是20.4%，22%，比較特別的在這兩個主峰的附近都有一個明顯的伴峰占比7.4%的60463和占比11.7%的70749顯示了一種精細的二級結構。在低頻區和高頻區還有兩處強度小于等于3的小峰叢。

0-7的譜

0-7的譜只有一個非常明顯的主峰18460占比53.8%這也是所有9張譜中最強的峰值，特征非常明顯。

0-8的譜

0-8的平均迭代次數是60100，出現了41個峰值，這個也側面佐證了相對0而言3，6，8的外形比較像。但與0-3和0-6不同0-8的主峰不明顯，最大的峰值61543占比也僅有13..4%。在大于60911的高頻區出現了8個小于等于3的小峰構成了一叢，在43373到55749的低頻區有11個小于等于3的小峰構成了另一叢。

0-9的譜

0-9有兩個明顯的主峰62042和72038占比分別是24.9%和39.4%。這兩個主峰的位置和0-6的兩個主峰的位置很接近

0-6	60753	70459
?	204	220
0-9	62042	72038
?	249	394
?	1.021	1.022

但是0-9的主峰的位置比0-6的兩個主峰的位置大了2%，0-9在低頻區和高頻區也有兩個不是非常明顯的兩個小峰叢。側面佐證了6和9結構上的對稱關系。

因此這9張譜圖都是高度特征的，主峰的強度和位置都不同，有穩定精細的結構，可以比較容易的用化學上的讀譜法區分這9個網絡，就像區分9種結構不同的分子。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的用特征光谱分类神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。

上一篇：推拉门用单玻璃的好，还是双层玻璃的好？
下一篇：二分类神经网络的特征光谱---1-2至1