日韩性视频-久久久蜜桃-www中文字幕-在线中文字幕av-亚洲欧美一区二区三区四区-撸久久-香蕉视频一区-久久无码精品丰满人妻-国产高潮av-激情福利社-日韩av网址大全-国产精品久久999-日本五十路在线-性欧美在线-久久99精品波多结衣一区-男女午夜免费视频-黑人极品ⅴideos精品欧美棵-人人妻人人澡人人爽精品欧美一区-日韩一区在线看-欧美a级在线免费观看

歡迎訪問 生活随笔!

生活随笔

當前位置: 首頁 > 编程资源 > 编程问答 >内容正文

编程问答

用神经网络分类响尾蛇和牛蛙

發布時間:2025/4/5 编程问答 25 豆豆
生活随笔 收集整理的這篇文章主要介紹了 用神经网络分类响尾蛇和牛蛙 小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

(響尾蛇,牛蛙)---m*n*k---(1,0)(0,1)

使用imagenet2012作為訓練集,響尾蛇和牛蛙的編號分別是

n01641577? 牛蛙

n01755581? 菱紋響尾蛇

其中響尾蛇的類目有1300張圖片,有357個不同的尺寸,從最小的190*122到最大的2592*1944.牛蛙的類目也有1300張圖片,有353個不同的尺寸,從最小的160*140到最大的3631*2378.

這次實驗通過間隔取點的辦法把所有圖片化成9*9的。網絡結構是81*30*2,收斂誤差從0.5-1e-5,每個收斂誤差收斂199次,統計平均值。得到的數據表格為

f2[0]

f2[1]

迭代次數n

平均準確率p-ave

1-0

0-1

δ

耗時ms/次

耗時ms/199次

耗時 min/199

最大準確率p-max

迭代次數標準差

pave標準差

0.499856

0.500368

12.8392

0.500905

0.581859

0.41995

0.5

7.125628

1424

0.023733

0.585

12.1987

0.017398

0.45223

0.54761

2333.055

0.572286

0.734322

0.410251

0.4

66.42714

13231

0.220517

0.635

166.8128

0.027799

0.406588

0.593202

3493.337

0.570251

0.737638

0.402864

0.3

96.18593

19155

0.31925

0.62

496.4183

0.012787

0.189765

0.810438

9116.503

0.619849

0.707588

0.532111

0.2

240.6834

47912

0.798533

0.645

1009.382

0.009986

0.095075

0.904962

24174.82

0.616834

0.692412

0.541256

0.1

630.809

125548

2.092467

0.67

1588.063

0.014871

0.586382

0.41362

84284.72

0.639874

0.739749

0.54

0.01

2540.663

505604

8.426733

0.745

8935.965

0.039397

0.522566

0.477434

133438.8

0.672462

0.751407

0.593518

0.001

4429.563

881505

14.69175

0.795

14648.13

0.052046

0.537626

0.462374

134743.6

0.675302

0.753367

0.597236

9.00E-04

3502.317

696979

11.61632

0.785

15155.09

0.04705

0.547673

0.452327

138523.7

0.686332

0.746784

0.625879

8.00E-04

3734.352

743156

12.38593

0.79

15025.9

0.048819

0.532623

0.467377

140050

0.677638

0.752663

0.602613

7.00E-04

3753.905

747045

12.45075

0.79

13749.53

0.050594

0.467372

0.532628

143855.6

0.685754

0.745477

0.62603

6.00E-04

4257.513

847255

14.12092

0.775

14816.61

0.04742

0.46235

0.53765

145325.2

0.678819

0.734322

0.623317

5.00E-04

4180.899

832004

13.86673

0.79

15479.79

0.048183

0.472383

0.527617

149772.2

0.682839

0.742161

0.623518

4.00E-04

4143.905

824650

13.74417

0.805

15397.56

0.051851

0.497489

0.502511

155382

0.690653

0.73191

0.649397

3.00E-04

4035.06

802990

13.38317

0.8

14498.81

0.051099

0.467351

0.532649

163114.7

0.695226

0.725377

0.665075

2.00E-04

4234.965

842770

14.04617

0.795

16393.37

0.050934

0.462318

0.537682

175264.4

0.69598

0.73

0.66196

1.00E-04

4549.176

905301

15.08835

0.805

16058.85

0.049148

0.467343

0.532657

174908.7

0.69691

0.734774

0.659045

9.00E-05

6829.015

1358989

22.64982

0.805

15304.28

0.04569

0.512561

0.487439

176603.6

0.697487

0.732412

0.662563

8.00E-05

5235.824

1041937

17.36562

0.815

17926.46

0.048261

0.447243

0.552757

176013.8

0.695352

0.720101

0.670603

7.00E-05

4878.337

970799

16.17998

0.805

17344.58

0.048413

0.537685

0.462315

181601.5

0.700829

0.742412

0.659246

6.00E-05

5171.985

1029239

17.15398

0.835

16104.18

0.04764

0.517586

0.482413

182490.6

0.707563

0.723417

0.691709

5.00E-05

4972.347

989507

16.49178

0.82

17161.05

0.047921

0.452265

0.547735

186064.5

0.704724

0.732663

0.676784

4.00E-05

5129.176

1020713

17.01188

0.82

17381.29

0.04881

0.477388

0.522612

188700.9

0.701106

0.715678

0.686533

3.00E-05

7317.101

1456115

24.26858

0.83

16276.37

0.046154

0.482413

0.517587

195902.6

0.714824

0.731357

0.698291

2.00E-05

6687.141

1330751

22.17918

0.82

16645.72

0.050466

0.502513

0.497487

203179.3

0.713719

0.731357

0.69608

1.00E-05

5855.714

1165321

19.42202

0.805

16670.83

0.048464

采用的測試集是訓練集的前100張.

分類準確率隨著收斂誤差的減小逐漸變大。因為兩個測試集圖片一樣多所有平均分類準確率是兩個(1,0)位和(0,1)位的平均值

特別是對應所有的收斂誤差,響尾蛇的分類準確率都大于牛蛙的分類準確率

這意味著,長的像牛蛙的蛇要少于長的像蛇的牛蛙。

平均準確率p-ave

1-0

0-1

δ

0.713719

0.731357

0.69608

1.00E-05

0.268643

0.30392

0.035276

比如δ=1e-5時,有26.8%的響尾蛇被分為牛蛙,而有30.3%的牛蛙被分為響尾蛇,二者的差值為3.52%。也就是錯誤圖片的凈流向是從牛蛙到響尾蛇

如果把錯誤的圖片理解為電子,這個反應中牛蛙就是還原劑,而響尾蛇就是氧化劑。牛蛙被響尾蛇氧化因此分類準確率下降,而響尾蛇得到了電子被牛蛙還原因此響尾蛇的分類準確率更高。

迭代次數隨著收斂誤差的減小變大,

N=-20212.192722825486*ln(δ)-14101.765588071983

0.9901172749541132?? ******? 決定系數 r**2

Pave=-0.009764557439965927*ln(δ)+0.6064900011024955

0.9144287290944044?? ******? 決定系數 r**2

在一定范圍內迭代次數N,分類準確率Pave和收斂誤差δ可以用這兩個數學關系去估算。

另外統計迭代次數的分布

在收斂誤差為1e-5時,事實上分布比較分散,簡并度并不高。將響尾蛇和牛蛙的分類理解為一個反應,則這個反應的能級較分散。

所以這個分類的過程有電子的流動,有能級,為什么不能作為一個反應來理解?

《新程序員》:云原生和全面數字化實踐50位技術專家共同創作,文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的用神经网络分类响尾蛇和牛蛙的全部內容,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。