(A,B)---n*m*2---(1,0)(0,1)

做一個網絡分類A和B，隨著迭代次數的增加A與B的分類準確率會不斷的增加并無限的接近或達到100%。所以是否有一個物理過程與這個現象相對應？

?

先引入一個假設

假設1：完全相同的兩個對象無法被分成兩類，與之對應的分類迭代次數為無窮大，分類準確率是50%，50%。相等收斂標準下迭代次數越大表明二者差異越小。

比如參與分類的兩個對象是兩個小球A與B，訓練集是這兩個小球的波函數，這兩個小球彼此向對方運動，并最終碰撞變成了球C，因此A和B的分類結果就是C的分裂結果。

按照假設1，如果A=B，則小球C會穩定的存在，因為組成C的波函數是兩組相同的數據集，無法彼此分類，也就不會導致C的分裂。或者即便C分裂了，A與B也將是無法被分類的兩個對象，他們的運動完全同步，超距作用，向一對糾纏的粒子。

?

但如果A≠B會發生什么？

以神經網絡的作用過程為例，A與B之間的分類準確率會變大。這個過程可以合理的假設當迭代次數足夠大的時候，這兩個對象的分類準確率會變成100%。

也就意味這A與B完全分開，彼此不會對對方的運動造成任何影響。

要實現這種狀態可以假設，比如A與B的距離是無限大則A的運動狀態將永遠也不會影響到B；或者假設A與B以光速遠離對方，則彼此將永遠無法接受到對方的任何物理信息，彼此對對方來說僅僅具有邏輯意義。

?

所以神經網絡迭代的過程可以等效的理解成是加速A和B遠離，并最終無限的接近光速的過程。

所以由此導出假設2

?

對應不同的兩個對象，迭代次數越大，二者的相對速度越大；相對速度越大分類準確率越大。

也就是迭代次數是兩個分類對象差異大小的量度，這個值只能在不同的分類對象間間接的比較，是一個靜態的值。而分類準確率僅僅是分類對象相對速度的量度，是一個動態的值。因為對神經網絡而言訓練集是特征不變的，則兩個訓練集的差異也不應該隨著時間的推移而不斷變化。

所有由假設2，考慮C是一個原子核，A與B是兩個粒子。則神經網絡的分類過程可以理解成是一個原子核C衰變分裂成兩個粒子A和B，并讓A和B不斷加速的由斥力主導的裂變作用過程。

?

或者也可以反過來理解神經網絡的作用過程，是將兩個相對速度為近光速的粒子，在一巨大能量的作用下減速，并不斷靠近以致最終合在一起，成為物理上的同一個對象C。也就是神經網絡的逆過程可以看作一個由引力主導的聚變過程。

?

?

總結

以上是生活随笔為你收集整理的神经网络的分类准确率是100%到底意味着什么？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。