二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总
在前面的陸續實驗中已經將二分類minst0，1到二分類minst0，9這9個實驗都做完了，并得到了各自網絡的迭代次數與準確率公式，可以近似的估算預期準確率的網絡訓練時間。實驗的具體過程以minst0，9為例如下
實驗用minst數據集，將28*28的圖片縮小到9*9，網絡用一個3*3的卷積核，網絡結構是81*49*30*2，畫成圖
?
這個網絡由兩部分組成，左右兩邊分別向1,0和0,1收斂，左邊輸入minst的0，右邊輸入minst的9，讓左右兩個網絡的權重共享，由前面的實驗表明這種效果相當于將兩個彈簧并聯,組成一個振子力學系統。
| 具體進樣順序 | ? | ? | ? |
| δ=0.5 | ? | ? | ? |
| 初始化權重 | ? | ? | ? |
| ? | 迭代次數 | ? | ? |
| minst 0-1 | 1 | 判斷是否達到收斂 | |
| minst 9-1 | 2 | 判斷是否達到收斂 | |
| 梯度下降 | ? | ? | ? |
| minst 0-2 | 3 | 判斷是否達到收斂 | |
| minst 9-2 | 4 | 判斷是否達到收斂 | |
| 梯度下降 | ? | ? | ? |
| …… | ? | ? | ? |
| minst 0-4999 | 9997 | 判斷是否達到收斂 | |
| minst 9-4999 | 9998 | 判斷是否達到收斂 | |
| 梯度下降 | ? | ? | ? |
| …… | ? | ? | ? |
| 如果4999圖片內沒有達到收斂標準再次從頭循環 | |||
| minst 0-1 | 9999 | 判斷是否達到收斂 | |
| minst 9-1 | 10000 | 判斷是否達到收斂 | |
| 梯度下降 | ? | ? | ? |
| …… | ? | ? | ? |
| 每當網路達到收斂標準記錄迭代次數和對應的準確率測試結果 | |||
| 將這一過程重復199次 | ? | ? | |
| δ=0.4 | ? | ? | ? |
| … | ? | ? | ? |
| δ=2e-7 | ? | ? | ? |
收斂條件是
if (Math.abs(f2[0]-y[0])< δ? &&? Math.abs(f2[1]-y[1])< δ?? )
這個網絡簡寫成
S（minst0）81-（con3*3）49-30-2-（1,0）
S（minst9）81-（con3*3）49-30-2-（0,1）
w=w，w1=w1,w2=w2
進一步簡寫成
d2（minst0,9）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)
經實驗表明網絡的迭代次數n和準確率都可以用
這兩個公式近似。
迭代次數的表格是
| ? | 01 | 02 | 03 | 04 | 05 | 06 | 07 | 08 | 09 |
| ? | ? | ? | ? | ? | ? | ? | ? | ? | ? |
| 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 |
| 0.1 | 2081.131 | 2785.725 | 2567.6482 | 2352.869 | 3508.41206 | 2763.37186 | 2232.146 | 2617.372 | 2362.905 |
| 1.00E-02 | 2850.236 | 3620.905 | 3501.4322 | 3239.744 | 4482.321608 | 3516.39698 | 3104.673 | 3487.045 | 3377.824 |
| 1.00E-03 | 4126.91 | 4846.435 | 4664.5226 | 4525.779 | 6103.939698 | 4851.05528 | 4367.447 | 4888.638 | 4638.894 |
| 1.00E-04 | 5887.709 | 7709.22 | 7099.9296 | 6481.905 | 8919.698492 | 7646.13065 | 6468.623 | 6770.578 | 7127.503 |
| 9*1e-5 | 5996.663 | 7951.16 | 7262.7085 | 6723.286 | 9349.020101 | 7773.49749 | 6437.633 | 7345.497 | 7156.286 |
| 8*1e-5 | 6169.337 | 8182.51 | 7505.9246 | 6901.276 | 9539.442211 | 7928.66834 | 6564.357 | 7308.02 | 7367.859 |
| 7*1e-5 | 6184.608 | 8193.28 | 7687.3618 | 6983.593 | 10203.43216 | 8338.36683 | 6779.578 | 7442.362 | 7518.492 |
| 6*1e-5 | 6469.729 | 8780.59 | 8094.2965 | 7224.774 | 9851.552764 | 8790.82412 | 6887.774 | 7950.407 | 7833.106 |
| 5*1e-5 | 6686.593 | 9227.095 | 8405.3869 | 7523.724 | 10868.83417 | 8774.35176 | 7299.528 | 7781.106 | 8203.98 |
| 4*1e-5 | 7160.337 | 9473.415 | 8815.392 | 7910.116 | 11182.1005 | 9638.64322 | 7553.477 | 8625.352 | 8463.402 |
| 3*1e-5 | 7711.472 | 10478 | 9679.4221 | 8599.352 | 12931.17085 | 10600.9447 | 8293.955 | 9775.462 | 9201.839 |
| 2*1e-5 | 8744.005 | 12060.84 | 10461.668 | 9137.015 | 14625.32161 | 11411.0804 | 8723.643 | 11628.49 | 10848.2 |
| 1.00E-05 | 9885.658 | 19757.36 | 12683.543 | 11235.33 | 20225.77387 | 14872.995 | 10555.44 | 14918.06 | 13375.71 |
| 9*1e-6 | 9949.095 | 22245.54 | 13059.99 | 11316.15 | 21326.76884 | 15159.2814 | 10476.27 | 14988.04 | 13466.41 |
| 8*1e-6 | 10597.78 | 22214.93 | 13171.085 | 11563.64 | 23468.94472 | 17935.0302 | 10925.47 | 16597.2 | 14629.72 |
| 7*1e-6 | 10781.61 | 28045.61 | 13862.523 | 12665.93 | 24229.21608 | 18620.4975 | 11219.57 | 17736.16 | 14828.54 |
| 6*1e-6 | 11409.87 | 28410.34 | 15417.608 | 13010.63 | 27358.97487 | 19321.8744 | 11748.35 | 20981.81 | 15859.35 |
| 5*1e-6 | 11777.72 | 33681.76 | 15919.558 | 13712.61 | 31394.18593 | 21230.9698 | 12474.75 | 21156.49 | 18927.24 |
| 4*1e-6 | 12539.73 | 37281.58 | 18205.724 | 14354.06 | 36071.50754 | 24558.2714 | 13049.01 | 24769.43 | 19663.64 |
| 3*1e-6 | 13767.38 | 45173.59 | 22269.518 | 16352.39 | 43770.62814 | 31304.9246 | 14324.43 | 32129.62 | 26072.95 |
| 2*1e-6 | 14645.3 | 60366.62 | 31163.588 | 18902.75 | 53362.9598 | 46862.8643 | 16918.78 | 53448.89 | 34811.55 |
| 1.00E-06 | 18080.93 | 90392.45 | 47298.698 | 29535.1 | 76472.82915 | 100355.884 | 21313.81 | 73646.55 | 70131.85 |
| 9*1e-7 | 18234.14 | 99247.65 | 50701.342 | 28357.42 | 86231.84925 | 103772.698 | 21287.42 | 81385.9 | 77841.01 |
| 8*1e-7 | 19182.81 | 95016.96 | 50896.834 | 32744.68 | 91895.44724 | 119839 | 24145.12 | 91615.03 | 108462 |
| 7*1e-7 | 20378.61 | 113411.5 | 62449.558 | 35204.73 | 94373.55276 | 129092.693 | 27625.46 | 109482.4 | 123232.6 |
| 6*1e-7 | 20348.53 | 116304.3 | 64837.91 | 39191.89 | 101428.5829 | 127953.05 | 29357.48 | 109426.8 | 140167.9 |
| 5*1e-7 | 22365.02 | 129507.3 | 77875.121 | 48544.11 | 95963.76884 | 156705.337 | 40684.06 | 124867.1 | 149534.4 |
| 4*1e-7 | 23351.5 | 135768.1 | 88745.734 | 60192.69 | 112533.3266 | 161217.764 | 40085.21 | 137533.3 | 164962.1 |
| 3*1e-7 | 27243.87 | 149701.4 | 114492.68 | 69731.63 | 120549.2513 | 205342.492 | 62320.85 | 159985.3 | 249506.1 |
| 2*1e-7 | 34178.87 | 155856.8 | 141850.72 | 99327.43 | 135646.7538 | 256312.372 | 74617.93 | 187551.5 | 289655.7 |
| 1.00E-07 | 38643.19 | 207402.7 | 1.82E+05 | 155931.3 | 159863.3467 | 318339.688 | 133071.7 | ? | ? |
| ? | ? | ? | ? | ? | ? | ? | ? | ? | ? |
將迭代次數畫成圖
?
對應同一個δ迭代次數n由少到多的順序是1<7<4<3<5<2<8<6<9
或許可以理解成從造型上0和1的差別最大，0和9造型上差別最小。
2和8，6和9嚴重纏繞
3和5輕微纏繞
表明形態上2與8，6與9的外形的相似程度要大于3和5
對應這兩個公式的系數表格
| ? | a | b | c | d |
| 0-1 | 619.83644 | -0.242 | 0.99638 | 0.001 |
| 0-2 | 44.40443 | -0.54071 | 0.95803 | 0.01119 |
| 0-3 | 4.35078 | -0.67353 | 0.97375 | 0.00612 |
| 0-4 | 0.8431 | -0.755 | 0.95801 | 0.0135 |
| 0-5 | 440.68687 | -0.37058 | 0.93024 | 0.02092 |
| 0-6 | 77.8576 | -0.52061 | 0.95824 | 0.01032 |
| 0-7 | 2.55183 | -0.66474 | 0.97483 | 0.00749 |
| 0-8 | 14.32362 | -0.61749 | 0.93612 | 0.02125 |
| 0-9 | 1.7063 | -0.77752 | 0.9557 | 0.01331 |
?
用公式計算n
| ? | 01 | 02 | 03 | 04 | 05 | 06 | 07 | 08 | 09 |
| δ | 計算n | 計算n | 計算n | 計算n | 計算n | 計算n | 計算n | 計算n | 計算n |
| 0.1 | 1082.124 | 154.2184378 | 20.51620942 | 4.795999 | 1034.451 | 258.1731 | 11.79212 | 59.36668 | 10.22293 |
| 1.00E-02 | 1889.196 | 535.6070682 | 96.74468691 | 27.28218 | 2428.232 | 856.0931 | 54.49187 | 246.0553 | 61.24849 |
| 1.00E-03 | 3298.201 | 1860.185692 | 456.2019355 | 155.1955 | 5699.938 | 2838.775 | 251.8093 | 1019.818 | 366.9572 |
| 1.00E-04 | 5758.072 | 6460.502511 | 2151.231376 | 882.8341 | 13379.82 | 9413.281 | 1163.622 | 4226.811 | 2198.545 |
| 0.00009 | 5906.775 | 6839.239814 | 2309.437248 | 955.9298 | 13912.56 | 9944.039 | 1248.04 | 4510.946 | 2386.232 |
| 0.00008 | 6077.561 | 7288.975874 | 2500.108891 | 1044.831 | 14533.26 | 10572.88 | 1349.683 | 4851.251 | 2615.079 |
| 0.00007 | 6277.163 | 7834.717443 | 2735.383611 | 1155.66 | 15270.51 | 11334.03 | 1474.963 | 5268.212 | 2901.181 |
| 0.00006 | 6515.751 | 8515.734976 | 3034.652115 | 1298.3 | 16168.24 | 12281.11 | 1634.118 | 5794.316 | 3270.598 |
| 0.00005 | 6809.675 | 9398.017049 | 3431.1512 | 1489.899 | 17298.39 | 13503.93 | 1844.669 | 6484.788 | 3768.706 |
| 0.00004 | 7187.512 | 10603.18751 | 3987.600644 | 1763.29 | 18789.65 | 15167.45 | 2139.629 | 7442.807 | 4482.721 |
| 0.00003 | 7705.73 | 12387.73955 | 4840.181471 | 2191.051 | 20903.48 | 17618.01 | 2590.539 | 8889.661 | 5606.4 |
| 0.00002 | 8500.175 | 15424.33221 | 6360.106537 | 2975.784 | 24292.62 | 21758.64 | 3391.916 | 11418.78 | 7684.198 |
| 1.00E-05 | 10052.57 | 22437.59474 | 10144.18413 | 5022.028 | 31407.26 | 31214.11 | 5377.145 | 17518.74 | 13172.11 |
| 0.000009 | 10312.18 | 23752.96519 | 10890.20778 | 5437.835 | 32657.8 | 32974.09 | 5767.247 | 18696.38 | 14296.6 |
| 0.000008 | 10610.34 | 25314.91729 | 11789.32457 | 5943.553 | 34114.82 | 35059.31 | 6236.942 | 20106.84 | 15667.69 |
| 0.000007 | 10958.81 | 27210.30052 | 12898.76827 | 6574.006 | 35845.42 | 37583.27 | 6815.87 | 21835 | 17381.8 |
| 0.000006 | 11375.34 | 29575.50283 | 14309.97621 | 7385.415 | 37952.71 | 40723.74 | 7551.33 | 24015.53 | 19595.09 |
| 0.000005 | 11888.48 | 32639.70527 | 16179.67734 | 8475.332 | 40605.59 | 44778.57 | 8524.294 | 26877.31 | 22579.39 |
| 0.000004 | 12548.12 | 36825.31256 | 18803.62829 | 10030.53 | 44106.11 | 50294.74 | 9887.315 | 30847.98 | 26857.26 |
| 0.000003 | 13452.83 | 43023.13626 | 22823.99402 | 12463.86 | 49068.02 | 58420.72 | 11970.99 | 36844.71 | 33589.54 |
| 0.000002 | 14839.79 | 53569.34924 | 29991.23781 | 16927.84 | 57023.57 | 72150.91 | 15674.19 | 47327.09 | 46038.22 |
| 1.00E-06 | 17550 | 77926.70255 | 47835.14816 | 28567.95 | 73724.21 | 103504.9 | 24848.02 | 72609.39 | 78917.88 |
| 0.0000009 | 18003.23 | 82495.03902 | 51353.04095 | 30933.28 | 76659.67 | 109340.9 | 26650.7 | 77490.34 | 85655.01 |
| 0.0000008 | 18523.77 | 87919.76381 | 55592.84815 | 33810.08 | 80079.81 | 116255.5 | 28821.18 | 83336.21 | 93869.58 |
| 0.0000007 | 19132.13 | 94502.50887 | 60824.45701 | 37396.42 | 84142.16 | 124624.8 | 31496.43 | 90498.88 | 104139.3 |
| 0.0000006 | 19859.33 | 102716.9551 | 67479.04255 | 42012.15 | 89088.74 | 135038.5 | 34895.02 | 99536.46 | 117399.8 |
| 0.0000005 | 20755.17 | 113359.0581 | 76295.6639 | 48212.18 | 95316 | 148484.2 | 39391.13 | 111397.6 | 135279.6 |
| 0.0000004 | 21906.78 | 127895.8468 | 88668.96875 | 57058.95 | 103533 | 166775.6 | 45689.71 | 127854.7 | 160909.5 |
| 0.0000003 | 23486.25 | 149421.147 | 107627.1016 | 70901.03 | 115180.4 | 193721.1 | 55318.47 | 152709.2 | 201244.5 |
| 0.0000002 | 25907.64 | 186048.5847 | 141424.4148 | 96294.49 | 133854.9 | 239249.9 | 72431.1 | 196155.2 | 275828.1 |
| 1.00E-07 | 30639.18 | 270642.6889 | 225567.8102 | 162509.6 | 173057.4 | 343218.8 | 114823.8 | 300942 | 472819.5 |
?
| 實測值/計算值 | ? | ? | ? | ? | ? | ? | ? | ? | |
| δ | 01 | 02 | 03 | 04 | 05 | 06 | 07 | 08 | 09 |
| 0.1 | 1.92319 | 18.06350161 | 125.1521755 | 490.59 | 3.391568 | 10.70356 | 189.2914 | 44.08823 | 231.1377 |
| 1.00E-02 | 1.508703 | 6.760375684 | 36.19250083 | 118.7494 | 1.84592 | 4.107494 | 56.97498 | 14.17179 | 55.14951 |
| 1.00E-03 | 1.251261 | 2.605350111 | 10.22468835 | 29.16179 | 1.070878 | 1.708855 | 17.34427 | 4.793637 | 12.64151 |
| 1.00E-04 | 1.022514 | 1.193284886 | 3.30040261 | 7.342155 | 0.666653 | 0.812271 | 5.559044 | 1.601817 | 3.241918 |
| 9*1e-5 | 1.015218 | 1.162579499 | 3.144795794 | 7.033243 | 0.671984 | 0.781724 | 5.158194 | 1.628372 | 2.99899 |
| 8*1e-5 | 1.015101 | 1.122587061 | 3.002239083 | 6.605159 | 0.656387 | 0.749906 | 4.863629 | 1.50642 | 2.817452 |
| 7*1e-5 | 0.985255 | 1.045765857 | 2.8103414 | 6.042948 | 0.668179 | 0.735693 | 4.596438 | 1.412692 | 2.591529 |
| 6*1e-5 | 0.992937 | 1.03110184 | 2.667289751 | 5.564797 | 0.609315 | 0.7158 | 4.214979 | 1.372104 | 2.395007 |
| 5*1e-5 | 0.981925 | 0.981812967 | 2.449727932 | 5.049822 | 0.628315 | 0.649763 | 3.957094 | 1.199901 | 2.176869 |
| 4*1e-5 | 0.996219 | 0.893449728 | 2.210700806 | 4.485998 | 0.59512 | 0.635482 | 3.530275 | 1.158884 | 1.888006 |
| 3*1e-5 | 1.000745 | 0.845836317 | 1.999805621 | 3.924761 | 0.618613 | 0.601711 | 3.201633 | 1.099644 | 1.64131 |
| 2*1e-5 | 1.028685 | 0.781935635 | 1.644888852 | 3.070456 | 0.602048 | 0.524439 | 2.571893 | 1.018365 | 1.411754 |
| 1.00E-05 | 0.983396 | 0.880547146 | 1.250326547 | 2.23721 | 0.643984 | 0.476483 | 1.963019 | 0.851549 | 1.015457 |
| 9*1e-6 | 0.964791 | 0.936537389 | 1.199241576 | 2.081002 | 0.653038 | 0.459733 | 1.816512 | 0.801655 | 0.941931 |
| 8*1e-6 | 0.998817 | 0.877542863 | 1.117204412 | 1.945577 | 0.68794 | 0.511563 | 1.751735 | 0.82545 | 0.933751 |
| 7*1e-6 | 0.98383 | 1.030698098 | 1.074716773 | 1.926669 | 0.675936 | 0.495446 | 1.646095 | 0.812281 | 0.853107 |
| 6*1e-6 | 1.003035 | 0.960603617 | 1.077402772 | 1.761666 | 0.72087 | 0.474462 | 1.555798 | 0.873677 | 0.809353 |
| 5*1e-6 | 0.990684 | 1.031925985 | 0.98392307 | 1.617944 | 0.773149 | 0.474132 | 1.463435 | 0.787151 | 0.838253 |
| 4*1e-6 | 0.999332 | 1.012389914 | 0.968202697 | 1.431037 | 0.817835 | 0.488287 | 1.319772 | 0.802951 | 0.732154 |
| 3*1e-6 | 1.023381 | 1.049983542 | 0.975706424 | 1.311985 | 0.89204 | 0.535853 | 1.196595 | 0.872028 | 0.776222 |
| 2*1e-6 | 0.986894 | 1.126887219 | 1.039089755 | 1.116667 | 0.935805 | 0.649512 | 1.079404 | 1.129351 | 0.756144 |
| 1.00E-06 | 1.030253 | 1.159967534 | 0.98878545 | 1.033854 | 1.037282 | 0.969576 | 0.857767 | 1.014284 | 0.888669 |
| 9*1e-7 | 1.012826 | 1.203074102 | 0.987309432 | 0.916729 | 1.124866 | 0.949074 | 0.798757 | 1.050272 | 0.908774 |
| 8*1e-7 | 1.035578 | 1.080723502 | 0.915528451 | 0.968489 | 1.147548 | 1.030825 | 0.837756 | 1.099342 | 1.155455 |
| 7*1e-7 | 1.065151 | 1.200090255 | 1.026717884 | 0.941393 | 1.121596 | 1.035851 | 0.877098 | 1.209765 | 1.183343 |
| 6*1e-7 | 1.024633 | 1.132279377 | 0.960859951 | 0.93287 | 1.138512 | 0.94753 | 0.841308 | 1.099364 | 1.193937 |
| 5*1e-7 | 1.077564 | 1.142451933 | 1.020701789 | 1.006885 | 1.006796 | 1.055367 | 1.032823 | 1.120913 | 1.105373 |
| 4*1e-7 | 1.065948 | 1.061551672 | 1.000865747 | 1.054921 | 1.086932 | 0.966675 | 0.877336 | 1.0757 | 1.025186 |
| 3*1e-7 | 1.159992 | 1.00187529 | 1.063790456 | 0.983507 | 1.046613 | 1.05999 | 1.126583 | 1.047647 | 1.239815 |
| 2*1e-7 | 1.319258 | 0.837720831 | 1.003014393 | 1.031496 | 1.013386 | 1.071316 | 1.030192 | 0.956138 | 1.050131 |
| 1.00E-07 | 1.261235 | 0.766333873 | 0.808921687 | 0.95952 | 0.923759 | 0.927513 | 1.158921 | 0 | 0 |
?
可以看到這組表達式在δ∈[1e-7,1e-4]的區間上是相對精確的
?
δ越小越準確，當δ<1e-5時實測值/計算值<2。
將計算的n畫成圖
在這圖里2與8，6與9纏繞，3與5交叉都有反應。
計算p-max
| 計算p-max | ? | ? | ? | ? | ? | ? | ? | ? | ? | |
| δ | -lnδ | 01 | 02 | 03 | 04 | 05 | 06 | 07 | 08 | 09 |
| 0.1 | 2.302585 | 0.9972114 | 0.967013 | 0.978732998 | 0.968857609 | 0.946613 | 0.966523 | 0.980939 | 0.952859 | 0.966368 |
| 1.00E-02 | 4.60517 | 0.9979028 | 0.974543 | 0.982893661 | 0.977966231 | 0.96044 | 0.973462 | 0.986045 | 0.966998 | 0.975325 |
| 1.00E-03 | 6.907755 | 0.9983075 | 0.978974 | 0.985335688 | 0.98333408 | 0.968621 | 0.977544 | 0.989044 | 0.975366 | 0.980603 |
| 1.00E-04 | 9.21034 | 0.9985947 | 0.982131 | 0.987072012 | 0.987160488 | 0.974468 | 0.98045 | 0.991177 | 0.981347 | 0.984365 |
| 0.00009 | 9.315701 | 0.9986061 | 0.982256 | 0.987140726 | 0.987312083 | 0.9747 | 0.980565 | 0.991262 | 0.981584 | 0.984514 |
| 0.00008 | 9.433484 | 0.9986187 | 0.982394 | 0.987216633 | 0.987479562 | 0.974956 | 0.980693 | 0.991355 | 0.981846 | 0.984679 |
| 0.00007 | 9.567015 | 0.9986327 | 0.982549 | 0.987301559 | 0.987666958 | 0.975243 | 0.980835 | 0.991459 | 0.982139 | 0.984863 |
| 0.00006 | 9.721166 | 0.9986487 | 0.982724 | 0.987398145 | 0.987880107 | 0.975569 | 0.980997 | 0.991578 | 0.982473 | 0.985072 |
| 0.00005 | 9.903488 | 0.9986672 | 0.982929 | 0.987510437 | 0.988127947 | 0.975948 | 0.981185 | 0.991716 | 0.982861 | 0.985316 |
| 0.00004 | 10.12663 | 0.9986895 | 0.983174 | 0.987645107 | 0.988425224 | 0.976404 | 0.98141 | 0.991882 | 0.983326 | 0.985608 |
| 0.00003 | 10.41431 | 0.9987174 | 0.983482 | 0.987814439 | 0.988799085 | 0.976976 | 0.981694 | 0.99209 | 0.983912 | 0.985976 |
| 0.00002 | 10.81978 | 0.9987556 | 0.983902 | 0.988045369 | 0.989309069 | 0.977757 | 0.982081 | 0.992374 | 0.984711 | 0.986477 |
| 1.00E-05 | 11.51293 | 0.9988176 | 0.984586 | 0.988420916 | 0.990138732 | 0.979028 | 0.982711 | 0.992835 | 0.986011 | 0.987293 |
| 0.000009 | 11.61829 | 0.9988267 | 0.984687 | 0.988476025 | 0.99026051 | 0.979214 | 0.982803 | 0.992903 | 0.986202 | 0.987413 |
| 0.000008 | 11.73607 | 0.9988368 | 0.984798 | 0.988537046 | 0.990395363 | 0.979421 | 0.982906 | 0.992978 | 0.986413 | 0.987545 |
| 0.000007 | 11.8696 | 0.9988481 | 0.984922 | 0.988605494 | 0.990546641 | 0.979653 | 0.98302 | 0.993062 | 0.98665 | 0.987694 |
| 0.000006 | 12.02375 | 0.998861 | 0.985065 | 0.988683566 | 0.990719206 | 0.979917 | 0.983151 | 0.993158 | 0.986921 | 0.987863 |
| 0.000005 | 12.20607 | 0.998876 | 0.985231 | 0.988774632 | 0.990920511 | 0.980226 | 0.983304 | 0.99327 | 0.987237 | 0.988061 |
| 0.000004 | 12.42922 | 0.9988941 | 0.98543 | 0.988884265 | 0.991162889 | 0.980597 | 0.983488 | 0.993405 | 0.987617 | 0.9883 |
| 0.000003 | 12.7169 | 0.998917 | 0.985683 | 0.989022755 | 0.991469111 | 0.981067 | 0.98372 | 0.993575 | 0.988097 | 0.988601 |
| 0.000002 | 13.12236 | 0.9989483 | 0.986029 | 0.989212748 | 0.9918893 | 0.981711 | 0.984039 | 0.993809 | 0.988756 | 0.989014 |
| 1.00E-06 | 13.81551 | 0.9989997 | 0.986597 | 0.98952442 | 0.992578802 | 0.982769 | 0.984562 | 0.994192 | 0.989838 | 0.989692 |
| 9E-07 | 13.92087 | 0.9990073 | 0.986681 | 0.989570429 | 0.99268061 | 0.982925 | 0.984639 | 0.994249 | 0.989998 | 0.989792 |
| 8E-07 | 14.03865 | 0.9990157 | 0.986774 | 0.989621456 | 0.992793526 | 0.983099 | 0.984724 | 0.994311 | 0.990176 | 0.989903 |
| 7E-07 | 14.17219 | 0.9990252 | 0.986878 | 0.989678793 | 0.992920414 | 0.983293 | 0.984821 | 0.994382 | 0.990375 | 0.990027 |
| 6E-07 | 14.32634 | 0.999036 | 0.986998 | 0.989744319 | 0.993065437 | 0.983516 | 0.984931 | 0.994462 | 0.990602 | 0.99017 |
| 5E-07 | 14.50866 | 0.9990486 | 0.987138 | 0.989820922 | 0.993234989 | 0.983776 | 0.985059 | 0.994557 | 0.990869 | 0.990337 |
| 4E-07 | 14.7318 | 0.9990639 | 0.987306 | 0.989913385 | 0.993439666 | 0.98409 | 0.985214 | 0.99467 | 0.99119 | 0.990538 |
| 3E-07 | 15.01948 | 0.9990832 | 0.98752 | 0.990030557 | 0.993699073 | 0.984488 | 0.985411 | 0.994814 | 0.991598 | 0.990793 |
| 2E-07 | 15.42495 | 0.9991098 | 0.987814 | 0.990191969 | 0.994056484 | 0.985037 | 0.985682 | 0.995013 | 0.992159 | 0.991144 |
| 1.00E-07 | 16.1181 | 0.9991537 | 0.9883 | 0.99045838 | 0.994646543 | 0.985943 | 0.986129 | 0.99534 | 0.993086 | 0.991724 |
?
畫成圖
?
按δ=1e-7時的p-max大小排列
1>7>4>8>9>3>2>6>5
和迭代次數n順序比較
1<7<4<3<5<2<8<6<9
1，7，4，3，5的順序基本是規律的，2，8，6，9的相對順序不規則。
迭代次數和識別難度的排序不一致的可能原因是與各個數據集本身的難度不同有關。
最后比較讓網絡的準確率p-max=0.999的計算耗時
| ? | 計算δ | 計算n | 耗時min/199 | 耗時 天/199 | 耗時 年/199 |
| 0-1 | 1.02E-06 | 1.75E+04 | 2.64E+01 | 0.018316985 | ? |
| 0-2 | 4.74E-19 | 3.59E+11 | 4.16E+08 | 288722.7808 | 791.0213174 |
| 0-3 | 3.74E-29 | 6.10E+19 | 6.15E+16 | 4.27E+13 | 1.17E+11 |
| 0-4 | 2.09E-10 | 17146949 | 16793.50574 | 11.66215676 | ? |
| 0-5 | 7.66E-14 | 31955366.8 | 31534.0064 | 21.89861559 | ? |
| 0-6 | 2.89E-25 | 4.64E+14 | 5.12E+11 | 355881000.7 | 975016.4404 |
| 0-7 | 3.90E-12 | 97869735 | 94623.68699 | 65.71089375 | ? |
| 0-8 | 5.50E-10 | 7479334.5 | 8967.287082 | 6.227282696 | ? |
| 0-9 | 7.67E-13 | 4484458556 | 5164961.655 | 3586.778927 | 9.826791581 |
意思是比如二分類0，1對應的網絡
d2（minst0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)讓這個網絡的準確率等于0.999可以讓收斂標準δ=1.75E+04可以在26.4min里收斂199次其中至少有一次的準確率可以達到0.999.或者讓d2（minst0,1）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)
的收斂標準δ=1.75E+04，準確率等于0.999的概率是5.025‰，估計耗時0.13min。
預期時間最長的二分類0，3的網絡
d2（minst0,3）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)
讓這個網絡的收斂標準δ= 3.74E-29收斂199次預期需要1170億年其中至少有1次可以達到0.999，或者讓δ= 3.74E-29收斂準確率等于0.999的概率為5.025‰，需要5.88億年。
按照預期時間排序
1<8<4<5<7<9<2<6<3
按δ=1e-7時的p-max大小排列
1>7>4>8>9>3>2>6>5
迭代次數n順序比較
1<7<4<3<5<2<8<6<9
對比表明迭代次數n大并不必然的導致更難分類。
?
關于調參?
r學習率，
x權重分母，（0-1的隨機數）/x
n迭代次數
p-ave 網絡收斂199次的準確率的平均值
p-max網絡收斂199次的準確率的最大值
| δ | r | x | n | p-ave | p-max |
| 減小 | 不變 | 不變 | 增加 | 增加 | 增加 |
| 減小 | 不變 | 減小 | 增加 | 增加 | 增加 |
| 減小 | 減小 | 不變 | 增加 | 增加 | 增加 |
| 不變 | 減小 | 減小 | 增加 | 增加 | 小幅增加，幾乎是定值 |
| 不變 | 不變 | 減小 | 增加 | 增加 | 幾乎是定值 |
| 不變 | 減小 | 不變 | 增加 | 增加 | 幾乎是定值 |
| 減小 | 減小 | 減小 | 增加 | 增加 | 增加 |
?
?
比如這個網絡
d2（minst0,3）81-con（3*3）49-30-2-（2*k） ,k∈(0,1)
先讓學習率r=1e-3,再次讓學習率r=0.1，會導致網絡看起來收斂速度快好多，但性能時好時壞。
因為r增大會導致迭代次數n減小，使得網絡在更短的時間里可能達到更小的δ，而δ減小導致準確率增加；
r增大同時會導致平均性能下降，使網絡性能不穩定。
?
?
?
| 實驗數據 |
| 學習率 0.1 |
| 權重初始化方式 |
| Random rand1 =new Random(); |
| int ti1=rand1.nextInt(98)+1; |
| int xx=1; |
| if(ti1%2==0) |
| { xx=-1;} |
| tw[a][b]=xx*((double)ti1/x); |
| 第一層第二層和卷積核的權重的初始化的x分別為1000,1000,200 |
http://www.qinms.com/webapp/curvefit/cf.aspx
具體數據位置
| 0-1 | 1個卷積核二分類0,1的特征頻率曲線 | 2019/1/20 |
| 0-2 | 神經網絡收斂標準與準確率之間的數學關系 | 2018/12/29 |
| 0-3 | 估算帶卷積核二分類0,3的網絡的收斂時間和迭代次數 | 2019/1/21 |
| 0-4 | 二分類0,4神經網絡的收斂時間和準確率的估算表達式 | 2019/1/24 |
| 0-5 | 共振耦合二分類0，5神經網絡迭代次數和準確率估算表達式 | 2019/1/24 |
| 0-6 | 二分類minst0，6收斂時間估算表達式 | 2019/1/26 |
| 0-7 | 神經網絡訓練時間計算實例：二分類minst0，7 | 2019/1/31 |
| 0-8 | 神經網絡收斂精度計算實例：二分類minst0，8 | 2019/2/1 |
| 0-9 | 計算神經網絡準確率實例二分類minst0，9 | 2019/2/8 |
?
?
總結
以上是生活随笔為你收集整理的二分类minst0-1到0-9近似迭代次数公式和准确率公式汇总的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 今年聚会喝好酒,喝酒就要喝聚酒，这个广告
- 下一篇： 1978年农历12月23日姓肖有取什名