在《擬合一個三分類網絡的迭代次數和準確率的數學表達式》和《擬合三分類網絡minst3,4,5的迭代次數與準確率的數學表達式》分別制作了兩個三分類網絡

?

這個網絡是由3個一分類的網絡組成的

S（minst0）81-（con3*3）49-30-3-（1,0,0）

S（minst1）81-（con3*3）49-30-3-（0,1,0）

S（minst2）81-（con3*3）49-30-3-（0,0,1）

w=w，w1=w1,w2=w2

簡寫成

d3（minst0,1,2）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

和三分類minst 3,4,5的網絡

這網絡同樣也是由三個一分類的網絡組成的

S（minst3）81-（con3*3）49-30-3-（1,0,0）

S（minst4）81-（con3*3）49-30-3-（0,1,0）

S（minst5）81-（con3*3）49-30-3-（0,0,1）

w=w，w1=w1,w2=w2

簡寫成

d3（minst 3,4,5）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

并且這兩個網絡的特征迭代次數表達式都已經得到了

更直觀的畫成圖片

如果將這兩個網絡

d3（minst0,1,2）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

d3（minst 3,4,5）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

看成是兩個大的共振體系，很顯然這兩個體系的共振頻率ν是不一樣的

?

由此可以合理的推斷這兩個共振體系的組成部分的特征迭代次數曲線n（δ）應該是不一樣的。也就是

S（minst0）81-（con3*3）49-30-3-（1,0,0）

S（minst1）81-（con3*3）49-30-3-（0,1,0）

S（minst2）81-（con3*3）49-30-3-（0,0,1）

和

S（minst3）81-（con3*3）49-30-3-（1,0,0）

S（minst4）81-（con3*3）49-30-3-（0,1,0）

S（minst5）81-（con3*3）49-30-3-（0,0,1）

的n（δ）應該都是不一樣的，但在《minst0-9特征頻率曲線表達式》中已經用實驗的方法證實

S（Minst 0-9）81-(con3*3)49-30-3-（3*k），k∈（0,1）

的n（δ）曲線幾乎是完全重合的

由這兩個看似很矛盾的現象可以推斷，

S（Minst 0-9）81-(con3*3)49-30-3-（3*k），k∈（0,1）

的特征迭代次數曲線n（δ）幾乎相同的原因是因為他們缺乏共同的共振參照物，導致他們的特征頻率無法相互比較，導致不能分別。

如果能有一個共同的共振參考系他們的特征頻率就可以相互比較并實現分類。

把這個兩個三分類網絡

d3（minst0,1,2）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

d3（minst 3,4,5）81-con（3*3）49-30-3-（3*k） ,k∈(0,1)

看做是兩個共振體系，這個共振體系很顯然放大了組成網絡的一分類網絡的特征，并進而實現識別分類。

由此可以合理的推斷S（Minst 0-9）81-(con3*3)49-30-3-（3*k），k∈（0,1）的特征迭代次數曲線n（δ）應該是有細微差別的。

所以把神經網絡假設成一個大的共振體系，參與共振的一分類網絡在整個體系中有共同的參照物，使得他們的共振頻率可以相互比較并進而實現分類。

?

實驗數據

本文的數據都是來自前面三篇

《擬合一個三分類網絡的迭代次數和準確率的數學表達式》

《擬合三分類網絡minst3,4,5的迭代次數與準確率的數學表達式》

《Minst 0-9特征迭代次數曲線表達式》

總結

以上是生活随笔為你收集整理的神经网络到底是如何实现分类的---共振参考系假设的全部內容，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。