猜测:引力与空间映射
生活随笔
收集整理的這篇文章主要介紹了
猜测:引力与空间映射
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
?
《托馬斯微積分第10版》
圖中G可以通過一組映射關系
變成R。把G和R當作兩個二維空間,可以想象如果是別的映射關系R將會是別的形狀。也就是這組映射關系將決定R的形狀。
?
引力引起空間的扭曲。如果引力是決定空間形狀的唯一原因,那引力不就是這個四維時空相對某一個標準空間的一種映射關系嗎?
比如作一個網絡來分類(x,y)和(u,v)
( (x,y),(u,v) )—n-m-k—(1.0)(0,1) ---a
讓(x,y)和(u,v)之間滿足
可以想象映射關系g和h的改變將導致網絡a收斂的難易程度的變化。
按照假設1:相等收斂標準下迭代次數越大表明二者差異越小。
?
可以通過改變映射關系使得網絡a的迭代次數越來越大,也就是通過映射關系構造一個空間R,讓G和R之間的差異變小。如果將映射關系理解成是引力,而把迭代次數變大理解成是引力變大,
?
這個現象就可以用假設3很好的解釋.
假設3:質量正比于兩個訓練集數據的等效交叉程度。
兩個對象G和R差異變小,也可以理解成是等效交叉程度變大,等效交叉變大導致質量變大,而質量變大進一步導致引力變大。
?
所以如果這假設是對的,就可以得出:所有差異都將導致引力。兩個對象差異越小引力越大,迭代次數正比于兩個對象之間的引力。
?
所以神經網絡作用過程可以近似為:讓兩個粒子之間的距離不斷變小,引力變大,速度變大。或者表述成將收斂標準變小,迭代次數變大,分類準確率變大。
總結
以上是生活随笔為你收集整理的猜测:引力与空间映射的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 神经网络的收敛标准有最优值吗?
- 下一篇: 用神经网络分类两条夹角为θ的直线