原创 估算神經網絡卷積核數量的近似方法
作一個5分類網絡分類mnist的0，1，2，3，4.用3*3的卷積核，卷積核數量從1個到36個，收斂標準爲1e-4，每個網絡收斂199次，共收斂了36*199次。比較平均分類準確率，來判斷這個網絡到底應該用多少個卷積核。 實驗得
2020-07-05 04:48:08
2
原创 單電子雙縫干涉的猜測：躍遷與反粒子
正電子可以簡單地表述爲它們在世界線上,是從將來走向過去的電子--- John Wheeler 假設一個一維的世界,這個世界裏有一個粒子，這個粒子的行動邏輯是從奇數移動到偶數。 這個粒子可以從1走到2，但是無法從2走到3.因爲從2到3是從
2020-07-05 04:48:08
原创 用神經網絡分類無理數2**0.5和3**0.5
(2**0.5,3**0.5)—100*10*2—(1,0)(0,1) 用神經網絡分類分類2**0.5和3**0.5，2**0.5和3**0.5分別取3萬位有效數字。每10位有效數字構成一張圖片，共3000張圖片，用前2500張圖片做
2020-07-05 04:48:08
原创 用神經網絡分類一維矩陣
(A,B)—1*2*2—(1,0)(0,1) 一維矩陣也就是一維數組，就是一個數。網絡結構是1*2*2， 設r是0-1之間的隨機數 讓A=sigmoid(r),B=sigmoid(dis+r) 其中0.5<=dis<=3 收斂標準0.5到
2020-07-05 04:48:08
原创 用神經網絡分類隨機數與無理數
這次依然沿用前面的方法分類保留3萬位有效數字的無理數，不同的是這次引入的參考系是一個隨機數。這個隨機數的構造方法是 static int n=100; public static double[] r100( ) throws I
2020-07-05 04:48:08
原创 是否可能有一臺算力無窮大的計算機？
用神經網絡分類兩個對象A和B，假設A和B分別是兩個黑洞，這個網絡的分類結果應該是什麼？ 要分類A和B首先要把A和B混合起來讓他們無法分辨，假設黑洞A的波函數是mnist0，黑洞B的波函數是mnist1，讓0和1的圖片混合起來，則把A
2020-07-05 04:48:08
原创 神經網絡的分類等位面
可以設計一個1*2*2的網絡去分類有大小差異的兩個數據集，但是卻不能用1*2*2的網絡去分類奇數和偶數數據集.想要分類奇數集合和偶數集合至少需要用2*2*2的網絡。 這個現象表明有些邏輯關係可以僅用一個維度來描述，而有的邏輯關係卻需要
2020-07-05 04:48:07
原创 用神經網絡分類左和右
A：[左] B：[右] (A，B)—m*n*k—(1,0)(0,1) 分類左右前提是要存在一個物理環境，在這個環境中是不區分左右的。也就是要假設存在一個左和右的二重態 (左，右)—m*n*k—(1,0)(0,1) 50% 50% 因此一個
2020-07-05 04:48:07
原创 用神經網絡分類連續與離散
A：連續 B：離散 (A,B)—n*m-k—(1,0)(0,1) 作一個網絡來分類邏輯上的連續與離散兩種邏輯狀態。要分類這兩個狀態的前提是要存在一個無法區分連續和離散的物理狀態，是否可能存在一個無法區分連續和離散的狀態？ 比如假設在宇
2020-05-23 18:09:13
原创 用神經網絡分類集合{x|x∈x}與集合{x|x ∉x}
羅素悖論：一個只爲不給自己理髮的人理髮的理髮師，是否應該給自己理髮？ 這個理髮師無論是否給自己理髮都將與自己的行爲邏輯相矛盾。 如果有兩個集合 A：{x|x ∈x} {我} B：{x|x ∉x} {非我即我} (A,B)—n*m*k—
2020-05-20 07:59:24
原创 用神經網絡分類遠和近
A：[遠] B：[近] (A，B)—m*n*k—(1,0)(0,1) 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
2020-05-18 16:56:49
原创 神經網絡參數遷移與慣性質量
(0,1)-81*10*2-(1,0)(0,1) 作一個二分類網絡分類mnist的0和1，但用這個網絡來分類其他對象，比如（0，2），（0，3），（0，4），實現參數遷移。這種操作是否有什麼物理意義？ 通過固定收斂標準多次測量取平均值
2020-05-16 21:16:55
原创 質量到底是什麼？
在廣義相對論裏,質量只能從整體來定義:換句話說,我們只能考慮整個系統的質量,就好像把它封閉在一個箱子裏,然後從非常、非常遙遠的距離——其實是無窮遠——來測量。至於局部”質量(例如某一物體的質量),則迄今仍沒有明確的定義。 ---一位老師
2020-05-14 22:14:46
1
原创 神經網絡的核裂變模型
(A,B)---n*m*k---(1,0)(0,1) 依然用神經網絡的核裂變模型解釋神經網絡的二分類過程。作一個二分類網絡來分類A和B。 將A，B理解成是兩個粒子，訓練集就是他們的波函數。現在讓粒子A,B相撞變成C，因此C將如何分裂
2020-05-10 12:32:51
原创 神經網絡的分類準確率是100%到底意味着什麼？
(A,B)---n*m*2---(1,0)(0,1) 做一個網絡分類A和B，隨着迭代次數的增加A與B的分類準確率會不斷的增加並無限的接近或達到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
2020-05-05 21:47:06