用神經網絡分類8123*11和8123*99，在收斂誤差一致的情況下他們的迭代次數之間有什么關系？哪個迭代次數更大些？

移位距離和假設

(A，B)---m*n*k---(1,0)(0,1)

用神經網絡分類A和B，把參與分類的A和B中的數字看作是組成A和B的粒子，分類的過程就是讓A和B中的粒子互相交換位置，尋找最短移位路徑的過程。而熵H與最短移位距離和S成正比，迭代次數n與熵H成反比。

移位規則匯總

移位距離就是等位點數值差的絕對值的和S=Σ|a-b|

如對一組3*3的矩陣

S=s0+s1+，…，+s8=|a0-b0|+|a1-b1|+,…,+|a8-b8|

按照移位假設8123*11和8123*99在收斂誤差一致的情況下，迭代次數應該是相同的。因為他們的移位距離相同

8123*11的移位距離和是

S=|0.8-1|+|1-1|+|0.1-0.1|+

|1-1|+|1-1|+|1-1|+

|0.1-1|+|0.2-1|+|0.3-1|=4-0.8-0.6=2.6

而8123*99的移位距離和是

S=|0.8-1|+|1-1|+|0.9-0.9|+

|1-1|+|1-1|+|1-1|+

|0.1-1|+|0.2-1|+|0.3-1|=4-0.8-0.6=2.6

他們的移位距離和均為2.6.因此迭代次數應該相同。

這次實驗就驗證這一猜測

分類8123*11，8123*22，8123*33，8123*44.他們的移位距離是相同的都是2.6.得到的迭代次數為

	8123*11	8123*22	8123*33	8123*44
δ	迭代次數n	迭代次數n	迭代次數n	迭代次數n
5.00E-04	28603.35	28545.91	28757.77	28344.9
4.00E-04	34625.89	34729.52	34516.93	34997.65
3.00E-04	45374.34	45524.27	45212.81	45154.62
2.00E-04	65231.52	66036.44	65574.76	65267.41
1.00E-04	124208.3	124424.7	125015	124152.1
s	2.6	2.6	2.6	2.6

畫成圖可以看到這4條線很一致。

繼續第二組

分類8123*55，8123*66，8123*77，8123*88，8123*99.他們的移位距離也都是2.6.得到的迭代次數為

	8123*11	8123*22	8123*33	8123*44	8123*55	8123*66	8123*77	8123*88	8123*99
δ	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n	迭代次數n
5.00E-04	28603.35	28545.91	28757.77	28344.9	28558.9	28141.44	28592.52	28432.22	28194.89
4.00E-04	34625.89	34729.52	34516.93	34997.65	34736.83	34734.26	34577.22	34549.79	34867.53
3.00E-04	45374.34	45524.27	45212.81	45154.62	44891.26	44963.22	44687.14	44947.81	44779.31
2.00E-04	65231.52	66036.44	65574.76	65267.41	65147.53	64966.61	65532.85	65722.28	66023.59
1.00E-04	124208.3	124424.7	125015	124152.1	124749.6	124486.4	123958.4	123955.7	123733.3
s	2.6	2.6	2.6	2.6	2.6	2.6	2.6	2.6	2.6

選擇收斂誤差為3e-4，2e-4，1e-4的3組值橫向比較，曲線很平直。當收斂誤差為1e-4的時候，最大值125015和最小值123733之間僅相差約1%。因此這一實驗驗證了假設，認為8123*11和8123*99的迭代次數是相同的是一種方便而實用的觀點。

并且這一實驗也驗證了決定迭代次數的不是圖片像素的數值，而是等位點像素的差值。如果等位點的像素值相同他們對迭代次數沒有貢獻。因為神經網絡的訓練過程就是在尋找兩個形態之間相互變換的方法。如果等位點的數值相同就無需變換，因此對迭代次數沒有影響。

總結

以上是生活随笔為你收集整理的形态等位点对迭代次数的贡献的全部內容，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。