A:[遠]
B:[近]
假設有兩個數據的集合A和B,元素都爲到點O的距離,但讓B中的元素都小於A。用神經網絡二分類集合A和集合B。
設r∈(0,1)
用d+r和r作爲訓練集來訓練網絡,確保A>B.
按照假設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爲無窮大,分類準確率是50%,50%。
當d逐漸減小,d+r與r之間測差異也將減小,當d=0時A=B這個網絡將無法分類。也就是隨着d的減小訓練集A和B之間的差異也將減小,迭代次數增加。當d=0是迭代次數無限大A與B將合在一起。這時網絡的分類準確率是50%,50%。表明當d=0是A與B無法相互區分。
(遠,近)—m*n*k—(1,0)(0,1) 50% 50%,相當於一個雙重態,O點到A和B的距離不同,但是卻沒法區分有什麼差別。
想象一個無法區分距離遠近的物理環境,比如在奇點中就應該無法區分距離的遠近,因爲空間爲0.或者說當d=0時距離的遠近相對這個網絡來說是對稱的。如果距離遠近的對稱性實現了破缺就意味着出現了一維的空間。因爲至少在一維的空間裏纔可能區分距離的遠近。
如果距離的破缺導致一維空間的產生,由此假設或者是距離的破缺導致了核力的產生,或者是核力導致了距離的破缺而產生了一維空間。因爲核力的作用僅區分距離,一個維度足夠了。