當前位置：首頁 > 运维知识 > windows >内容正文

windows

神经网络为什么可以实现分类？---三分类网络0，1，2与弹性振子力学系统

發布時間：2025/4/5 windows 24 豆豆

生活随笔收集整理的這篇文章主要介紹了神经网络为什么可以实现分类？---三分类网络0，1，2与弹性振子力学系统小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

本文制作了一個三分類的網絡來分類mnist數據集的0，1，2.并同時制作了一個力學模型，用來模擬這個三分類的過程，并用這個模型解釋分類的原理。

上圖可以用下列方程描述

只要ωx0，ωx1，ωx2，ωx012這四個數已知這個方程組是可以解的。

現在設計一個網絡來計算ωx0

制作一個網絡分類mnist 0和一張圖片x，讓左右兩個網絡實現參數共享，讓x向1，0，0收斂，讓mnist 0向0，1，0收斂

將這個網絡簡寫成

d2（mnist 0, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

具體進樣順序	?	?	?
δ=0.5	?	?	?
初始化權重	?	?	?
?	迭代次數	?	?
X	1	判斷是否達到收斂
mnist 0-1	2	判斷是否達到收斂
梯度下降	?	?	?
X	3	判斷是否達到收斂
mnist 0-2	4	判斷是否達到收斂
梯度下降	?	?	?
……	?	?	?
X	9997	判斷是否達到收斂
mnist 0-4999	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
X	9999	判斷是否達到收斂
mnist 0-1	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=0.01	?	?	?
…	?	?	?
δ=3e-6 收斂條件是	?	?	?

if (Math.abs(f2[0]-y[0])< δ? &&? Math.abs(f2[1]-y[1])< δ ??&&? Math.abs(f2[2]-y[2])< δ? )

因為對應每個δ都有一個n與之對應，所以可以得到一條穩定的n（δ）曲線。讓nx0等于ωx0。

用同樣的辦法制作另外三個網絡

d2（mnist 1, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

制作一個網絡分類mnist 1和一張圖片x，讓左右兩個網絡實現參數共享，讓x向1，0，0收斂，讓mnist 1向0，1，0收斂，得到ωx1.

d2（mnist 2, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

制作一個網絡分類mnist 2和一張圖片x，讓左右兩個網絡實現參數共享，讓x向1，0，0收斂，讓mnist 2向0，0，1收斂，得到ωx2.

計算mnist0，mnist1和mnist2相對一個參照物x的頻率，讓他們的頻率可以相互比較。

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

制作一個網絡分類mnist 0,1,2讓三個網絡實現參數共享，讓mnist 0向1，0，0收斂，讓mnist 1向0，1，0收斂，讓mnist 2 向0，0，1收斂，得到ω012.

計算ωx

所以ωx，ω0，ω1，ω2都可以被解出來。

再根據質量關系

如果假設mx=1。m0，m1，m2也都可以被解出來

具體解得的數據

δ	ω123	?	ωx0	ωx1	ωx2	?	ωx	ω0	ω1	ω2
0.1	7587.95	?	2472.46	2934.42	3140.44	?	2055.39	3324.81	#NUM!	#NUM!
1.00E-02	11022.2	?	3210.84	3790.5	4027.85	?	2635.91	4469.02	#NUM!	#NUM!
1.00E-03	18193.2	?	4364.11	5471.13	5291.57	?	3579.12	6091.61	#NUM!	#NUM!
9*1e-4	19061.9	?	4436.95	5452.92	5168.63	?	3569.43	6578.86	#NUM!	#NUM!
8*1e-4	19311.7	?	4632.25	5613.24	5432.4	?	3723.26	6889.13	#NUM!	#NUM!
7*1e-4	20254.4	?	4830.88	5765.85	5547.04	?	3839.11	7484.61	#NUM!	#NUM!
6*1e-4	21368.1	?	5128.38	5991.87	6051.89	?	4084.89	7877.29	#NUM!	#NUM!
5*1e-4	22162.8	?	6119.18	6673.56	6826.39	?	4711.76	10931.1	#NUM!	#NUM!
4*1e-4	22926.2	?	7350.78	7738.91	8741.98	?	5745.78	12195.5	17949.2	#NUM!
3*1e-4	25926.6	?	9288.86	10599.9	11598.3	?	7640.9	12855	38570.7	#NUM!
2*1e-4	29002.3	?	13223	14411.3	15514.8	?	10781.1	18781.3	31213.9	#NUM!
1.00E-04	37411.5	?	25290.2	27430.9	29153.8	?	22370.7	29764.2	38931.9	53083.3
9*1e-5	39277	?	26452.8	30887	33227.6	?	24944.5	28272.6	45208.3	69954.5
8*1e-5	39619.2	?	30812.7	34556.4	35642	?	29511.8	32302.4	43574.7	48439.4
7*1e-5	42224.3	?	34396	39146.5	39702.1	?	34088	34712.5	47430.5	49492.7
6*1e-5	46435.3	?	39686.3	46285.1	45362.6	?	41007.1	38485.4	54320.9	51485.4
5*1e-5	45628.2	?	45913.8	52943.6	52850.1	?	56574	39643.5	49933	49776.4
4*1e-5	52063.7	?	58538.8	66635.4	62407.9	?	82495.7	47853.1	57402.7	52229.9
3*1e-5	54023.4	?	73604.5	86087.4	82569	?	#NUM!	#NUM!	#NUM!	#NUM!
2*1e-5	65447.1	?	105869	121513	114573	?	#NUM!	#NUM!	#NUM!	#NUM!
1.00E-05	80455.8	?	199074	235384	193000	?	#NUM!	#NUM!	#NUM!	#NUM!
9*1e-6	85210.4	?	217783	255118	224412	?	#NUM!	#NUM!	#NUM!	#NUM!
8*1e-6	90364.4	?	235942	292894	242478	?	#NUM!	#NUM!	#NUM!	#NUM!
7*1e-6	92539.4	?	267342	312441	276817	?	#NUM!	#NUM!	#NUM!	#NUM!
6*1e-6	100522	?	298437	370803	305591	?	#NUM!	#NUM!	#NUM!	#NUM!
5*1e-6	103184	?	355890	424557	344916	?	#NUM!	#NUM!	#NUM!	#NUM!
4*1e-6	112972	?	431037	509263	409437	?	#NUM!	#NUM!	#NUM!	#NUM!
3*1e-6	127752	?	539694	641035	523975	?	#NUM!	#NUM!	#NUM!	#NUM!
2*1e-6	138964	?	?	936074	15953.4	?	#VALUE!	#VALUE!	#VALUE!	#VALUE!

由于統計精度的問題只得到了一部分有效的點

由圖ω0，ω1，ω2的曲線有可能有交點。

δ	mx	m0	m1	m2	mx0	mx1	mx2	m123	k
0.1	1	0.38217	#NUM!	#NUM!	1.38217	0.98124	0.85672	0.22012	4224629
1.00E-02	1	0.34788	#NUM!	#NUM!	1.34788	0.96716	0.85653	0.17157	6947999
1.00E-03	1	0.34521	#NUM!	#NUM!	1.34521	0.85591	0.91498	0.11611	1.3E+07
9*1e-4	1	0.29437	#NUM!	#NUM!	1.29437	0.85698	0.95384	0.10519	1.3E+07
8*1e-4	1	0.29209	#NUM!	#NUM!	1.29209	0.87993	0.93949	0.11151	1.4E+07
7*1e-4	1	0.2631	#NUM!	#NUM!	1.2631	0.88667	0.95801	0.10778	1.5E+07
6*1e-4	1	0.26891	#NUM!	#NUM!	1.26891	0.92954	0.91119	0.10964	1.7E+07
5*1e-4	1	0.1858	#NUM!	#NUM!	1.1858	0.99697	0.95283	0.13559	2.2E+07
4*1e-4	1	0.22197	0.10247	#NUM!	1.22197	1.10247	0.86399	0.18843	3.3E+07
3*1e-4	1	0.3533	0.03924	#NUM!	1.3533	1.03924	0.86802	0.26057	5.8E+07
2*1e-4	1	0.32951	0.1193	#NUM!	1.32951	1.1193	0.96574	0.41455	1.2E+08
1.00E-04	1	0.5649	0.33018	0.1776	1.5649	1.33018	1.1776	1.07268	5E+08
9*1e-5	1	0.77842	0.30445	0.12715	1.77842	1.30445	1.12715	1.21002	6.2E+08
8*1e-5	1	0.83468	0.45869	0.37119	1.83468	1.45869	1.37119	1.66456	8.7E+08
7*1e-5	1	0.96435	0.51652	0.47437	1.96435	1.51652	1.47437	1.95524	1.2E+09
6*1e-5	1	1.13534	0.56988	0.63438	2.13534	1.56988	1.63438	2.33961	1.7E+09
5*1e-5	1	2.03652	1.28369	1.29178	3.03652	2.28369	2.29178	4.61198	3.2E+09
4*1e-5	1	2.97196	2.06537	2.49473	3.97196	3.06537	3.49473	7.53207	6.8E+09
3*1e-5	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
2*1e-5	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
1.00E-05	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
9*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
8*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
7*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
6*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
5*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
4*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
3*1e-6	1	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!	#NUM!
2*1e-6	1	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!
1.00E-06	1	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!
1.00E-07	1	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!	#VALUE!

這條質量曲線里m1和m2的值也糾纏在一起。

雖然頻率和質量的曲線從圖上看都有糾纏但，這幾個糾纏的點不完全重合，如果從頻率和質量兩個維度去分類仍然可能將這幾個對象區分開。

這個實驗雖然只得到了7組有價值的數據，但也證實了這種模擬是可能的。

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

d2（mnist 0, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)的數據

x0---3k	?	?	?	?	?	?	?	?	?
?	?	?	?	?	?	?	?	?	?
f2[0]	f2[1]	f2[2]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時min/199次	最大準確率p-max
0.498028	0.500578	0.267648	17.9196	0.503767	0.5	806.3417	160464	2.6744	0.822695
0.609062	0.391232	0.001381	1721.543	0.5064	0.4	1103.322	219561	3.65935	0.969267
0.715655	0.284307	0.001383	1913.513	0.673654	0.3	1133.392	225547	3.759117	0.997636
0.819332	0.180886	0.001309	2203.241	0.753759	0.2	287.1608	57146	0.952433	0.997636
0.913426	0.086324	0.001203	2472.457	0.785112	0.1	1594.548	317330	5.288833	0.998109
0.992089	0.007913	9.45E-04	3210.839	0.75202	0.01	1374.216	273486	4.5581	0.997636
0.999266	7.34E-04	6.94E-04	4364.106	0.697801	0.001	1594.709	317364	5.2894	0.997636
0.999359	6.42E-04	6.69E-04	4436.95	0.71783	9.00E-04	1835.452	365264	6.087733	0.99669
0.999431	5.69E-04	6.39E-04	4632.246	0.690243	8.00E-04	2244.447	446649	7.44415	0.99669
0.999527	4.74E-04	5.96E-04	4830.879	0.677335	7.00E-04	2293.94	456497	7.608283	0.995272
0.999606	3.95E-04	5.60E-04	5128.377	0.722364	6.00E-04	2407.397	479072	7.984533	0.995745
0.999698	3.02E-04	4.79E-04	6119.181	0.739387	5.00E-04	2638.276	525025	8.750417	0.997636
0.999792	2.08E-04	3.92E-04	7350.779	0.781313	4.00E-04	2925.864	582255	9.70425	0.998109
0.99985	1.50E-04	2.96E-04	9288.859	0.773073	3.00E-04	3337.955	664269	11.07115	0.997163
0.999908	9.19E-05	1.98E-04	13223.02	0.806277	2.00E-04	3833.729	762927	12.71545	0.997163
0.994943	0.005057	9.89E-05	25290.15	0.806339	1.00E-04	5484.06	1091329	18.18882	0.997636
0.999972	2.78E-05	8.91E-05	26452.81	0.785402	9.00E-05	5786.945	1151603	19.19338	0.997636
0.994949	0.005051	7.92E-05	30812.7	0.752778	8.00E-05	5980.07	1190035	19.83392	0.998582
0.994954	0.005046	6.92E-05	34396	0.774002	7.00E-05	8870.95	1765335	29.42225	0.998109
0.994957	0.005043	5.94E-05	39686.29	0.775178	6.00E-05	9581.141	1906647	31.77745	0.998582
0.994962	0.005038	4.94E-05	45913.83	0.764458	5.00E-05	11592.85	2306978	38.44963	0.996217
0.98994	0.01006	3.96E-05	58538.81	0.785692	4.00E-05	14235.63	2832906	47.2151	0.997636
0.989942	0.010058	2.96E-05	73604.5	0.74317	3.00E-05	18005.08	3583011	59.71685	0.99669
0.984921	0.015079	1.97E-05	105868.7	0.728406	2.00E-05	24788.76	4932971	82.21618	0.998582
0.994972	0.005028	9.89E-06	199073.6	0.710966	1.00E-05	45093.17	8973556	149.5593	0.995745
0.979897	0.020103	8.91E-06	217782.7	0.707915	9.00E-06	50139.76	9977813	166.2969	0.998109
0.989948	0.010052	7.92E-06	235942	0.692995	8.00E-06	45157.56	8986357	149.7726	0.992435
0.994973	0.005027	6.93E-06	267341.6	0.700398	7.00E-06	60661.26	12071590	201.1932	0.997636
0.999999	1.47E-06	5.94E-06	298437.4	0.694805	6.00E-06	65289.42	12992611	216.5435	0.994799
0.999999	1.04E-06	4.96E-06	355890.1	0.682433	5.00E-06	75109.63	14946820	249.1137	0.98487
0.999999	8.47E-07	3.97E-06	431037.4	0.668444	4.00E-06	82579.55	16433350	273.8892	0.996217
0.994974	0.005026	2.98E-06	539693.7	0.692377	3.00E-06	116352.7	23154181	385.903	0.987234

d2（mnist 1, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)的數據

x1---3k	?	?	?	?	?	?	?	?	?
?	?	?	?	?	?	?	?	?	?
f2[0]	f2[1]	f2[2]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時min/199次	最大準確率p-max
0.494146	0.50332	0.300855	16.51759	0.519529	0.5	1215.678	241922	4.032033	0.899291
0.391208	0.608624	0.001349	2005.116	0.870722	0.4	1676.628	333650	5.560833	0.986761
0.285317	0.714582	0.001306	2308.02	0.885643	0.3	1746.588	347586	5.7931	0.986761
0.18278	0.817472	0.001167	2732.171	0.863255	0.2	1843.241	366837	6.11395	0.982033
0.085759	0.914178	0.00114	2934.422	0.860484	0.1	1889	375928	6.265467	0.989125
0.007483	0.992533	8.83E-04	3790.503	0.850812	0.01	2082.854	414490	6.908167	0.991017
7.48E-04	0.999251	5.74E-04	5471.126	0.821474	0.001	2046.261	407207	6.786783	0.988652
6.41E-04	0.999359	5.69E-04	5452.925	0.824933	9.00E-04	2477.819	493102	8.218367	0.98818
5.94E-04	0.999407	5.58E-04	5613.236	0.831267	8.00E-04	2513.638	500214	8.3369	0.987707
5.11E-04	0.999488	5.46E-04	5765.849	0.823774	7.00E-04	2560.799	509614	8.493567	0.990071
4.02E-04	0.999598	5.18E-04	5991.869	0.821353	6.00E-04	2605.503	518496	8.6416	0.990544
3.24E-04	0.999677	4.49E-04	6673.558	0.812816	5.00E-04	2740.698	545400	9.09	0.993853
2.49E-04	0.999751	3.80E-04	7738.915	0.839512	4.00E-04	2977.513	592525	9.875417	0.991962
1.54E-04	0.999846	2.89E-04	10599.87	0.826991	3.00E-04	3172.347	631297	10.52162	0.991962
9.67E-05	0.999903	1.96E-04	14411.34	0.801666	2.00E-04	4643.402	924037	15.40062	0.991017
4.43E-05	0.999956	9.90E-05	27430.87	0.817276	1.00E-04	7745.357	1541326	25.68877	0.990544
0.005061	0.994939	8.88E-05	30887.03	0.823458	9.00E-05	8030.497	1598069	26.63448	0.993381
0.010082	0.989918	7.89E-05	34556.39	0.813407	8.00E-05	9136.382	1818140	30.30233	0.992435
2.54E-05	0.999975	6.92E-05	39146.48	0.793236	7.00E-05	9865.337	1963209	32.72015	0.992908
0.010071	0.989929	5.92E-05	46285.07	0.796964	6.00E-05	11820.8	2352343	39.20572	0.991962
0.010067	0.989933	4.92E-05	52943.62	0.78607	5.00E-05	13333.96	2653462	44.22437	0.991489
0.020113	0.979887	3.94E-05	66635.38	0.786324	4.00E-05	12621.33	2511660	41.861	0.992435
0.010062	0.989938	2.96E-05	86087.45	0.765207	3.00E-05	16507.18	3284929	54.74882	0.991017
6.84E-06	0.999993	1.97E-05	121512.8	0.766105	2.00E-05	23216.28	4620054	77.0009	0.990071
0.020104	0.979896	9.88E-06	235383.6	0.757124	1.00E-05	45063.69	8967677	149.4613	0.991962
0.005028	0.994972	8.91E-06	255118.4	0.734806	9.00E-06	48584.32	9668280	161.138	0.990071
2.59E-06	0.999997	7.91E-06	292894	0.745213	8.00E-06	67311.87	13395064	223.2511	0.989598
0.010052	0.989948	6.92E-06	312441.3	0.73532	7.00E-06	52103.28	10368570	172.8095	0.986288
0.005027	0.994973	5.95E-06	370802.8	0.729998	6.00E-06	62282.38	12394211	206.5702	0.988652
0.010052	0.989948	4.96E-06	424557.5	0.738698	5.00E-06	73037.1	14534383	242.2397	0.986761
1.06E-06	0.999999	3.96E-06	509263.2	0.719527	4.00E-06	83283.84	16573502	276.225	0.992908
7.79E-07	0.999999	2.97E-06	641035.2	0.72789	3.00E-06	113768.1	22639857	377.331	0.98818
5.31E-07	0.999999	1.99E-06	936074.1	0.704451	2.00E-06	162290.3	32295803	538.2634	0.985343

d2（mnist 2, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)的數據

x2	?	?	?	?	?	?	?	?	?
?	?	?	?	?	?	?	?	?	?
f2[0]	f2[1]	f2[2]	迭代次數n	平均準確率p-ave	δ	耗時ms/次	耗時ms/199次	耗時min/199次	最大準確率p-max
0.500087	0.239966	0.498985	21.40201	0.503132	0.5	749.8894	149243	2.487383	0.719682
0.390571	0.001166	0.609555	2119.417	0.67279	0.4	1158.015	230477	3.841283	0.919483
0.283649	0.001122	0.716415	2520.121	0.691709	0.3	1231.538	245076	4.0846	0.909046
0.182927	0.001091	0.817045	2697.608	0.70339	0.2	1264.744	251699	4.194983	0.916004
0.085491	0.001024	0.914714	3140.442	0.689823	0.1	1359.94	270631	4.510517	0.904573
0.007564	8.38E-04	0.992453	4027.849	0.66199	0.01	1514.744	301434	5.0239	0.919483
7.01E-04	6.68E-04	0.999298	5291.568	0.634952	0.001	1744.804	347216	5.786933	0.932406
6.23E-04	6.64E-04	0.999376	5168.633	0.627004	9.00E-04	1730.447	344375	5.739583	0.917495
5.42E-04	6.44E-04	0.999459	5432.402	0.657717	8.00E-04	1818.317	361846	6.030767	0.913519
4.73E-04	6.17E-04	0.999527	5547.035	0.644328	7.00E-04	1827.683	363710	6.061833	0.920477
3.61E-04	5.52E-04	0.999639	6051.889	0.633463	6.00E-04	1936.814	385426	6.423767	0.912028
2.64E-04	4.81E-04	0.999736	6826.392	0.626565	5.00E-04	1777.729	353783	5.896383	0.925447
1.91E-04	3.92E-04	0.999809	8741.98	0.630933	4.00E-04	2531.266	503722	8.395367	0.902584
1.25E-04	2.94E-04	0.999875	11598.28	0.618857	3.00E-04	3013.085	599619	9.99365	0.92495
6.72E-05	1.97E-04	0.999933	15514.78	0.584823	2.00E-04	3689.241	734159	12.23598	0.862326
0.00505	9.83E-05	0.99495	29153.83	0.565014	1.00E-04	6322.709	1258219	20.97032	0.778827
0.015097	8.82E-05	0.984903	33227.56	0.568439	9.00E-05	7009.352	1394878	23.24797	0.779821
0.010068	7.85E-05	0.989932	35641.99	0.57249	8.00E-05	8048.271	1601608	26.69347	0.903082
0.01509	6.88E-05	0.98491	39702.06	0.562949	7.00E-05	9952.528	1980553	33.00922	0.807157
0.025139	5.90E-05	0.974861	45362.58	0.558868	6.00E-05	11509.38	2290367	38.17278	0.878231
1.07E-05	4.91E-05	0.999989	52850.1	0.545721	5.00E-05	13502.02	2686904	44.78173	0.705765
0.010059	3.93E-05	0.989941	62407.9	0.544195	4.00E-05	15279.87	3040697	50.67828	0.693837
0.01508	2.95E-05	0.98492	82569.04	0.542946	3.00E-05	20272.58	4034248	67.23747	0.723658
0.015079	1.96E-05	0.984921	114572.7	0.537536	2.00E-05	19727.65	3925806	65.4301	0.783797
0.005027	9.84E-06	0.994973	193000.5	0.531015	1.00E-05	33317.63	6630210	110.5035	0.709742
0.010052	8.86E-06	0.989948	224411.6	0.530356	9.00E-06	37654.61	7493268	124.8878	0.663022
0.020102	7.87E-06	0.979898	242478.2	0.528997	8.00E-06	42188.21	8395457	139.9243	0.756461
1.29E-06	6.91E-06	0.999999	276817.3	0.529656	7.00E-06	47674.84	9487293	158.1216	0.785288
0.010051	5.92E-06	0.989949	305591.4	0.527146	6.00E-06	51288.63	10206438	170.1073	0.639165
0.005026	4.94E-06	0.994974	344915.9	0.524828	5.00E-06	59820.35	11904251	198.4042	0.604374
0.005026	3.95E-06	0.994974	409437.4	0.526517	4.00E-06	70332.83	13996238	233.2706	0.708748
4.95E-07	2.97E-06	1	523975	0.522715	3.00E-06	97274.69	19357665	322.6278	0.58002

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

已經在《計算一個網絡準確率達到99.9%的時間和需要的迭代次數---驗證實例三分類minst0，1，2》給出了

d2（mnist 0, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

d2（mnist 1, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

d2（mnist 2, x）81-con（3*3）-49-30-3-（3*k） ,k∈(0,1)

的具體數據比較多有感興趣的朋友可以到我的資源里下載。

總結

以上是生活随笔為你收集整理的神经网络为什么可以实现分类？---三分类网络0，1，2与弹性振子力学系统的全部內容，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。