神經網絡的衰變假設：被概率密度表達的粒子A和B彼此互為粒子和環境，在相互作用中被彼此微擾產生衰變，衰變產物是A的B組分和B的A組分，網絡的分類準確率是兩個粒子分類準確率的和pave=Σpr。

?

(0,2)—81*10*2-(1,0)(0,1)

?

做一個網絡分類mnist的0和2，得到一組數據

f2[0]	f2[1]	迭代次數n	平均準確率p-ave	p10-1	p10-0	p01-1	p01-0	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max	平均值標準差
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的測試集里0有980個，2有1032個，這個網絡（1，0）位的分類準確率p10-1為0.987073，（0，1）位的分類準確率p01-1是0.979174，因此網絡的平均分類準確率pave是

因此這組數據符合關系

現在將兩個訓練集0和2粒子化，讓他們互為粒子和環境，計算各自的半衰期T

首先讓2做環境讓0做粒子

N=17090,

P10-1=0.98707，

代入得到在2的環境中，粒子0的半衰期T是910432，

再讓0做環境讓2做粒子

N=17090，

P01-1=0.97917，

得到在0環境中粒子2的半衰期T是562859.

總結

以上是生活随笔為你收集整理的用神经网络测量训练集的半衰期的全部內容，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。