當(dāng)前位置：首頁(yè) > 编程资源 > 编程问答 >内容正文

编程问答

用神经网络分类随机数与无理数

發(fā)布時(shí)間：2025/4/5 编程问答 17 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随机数与无理数小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.

這次依然沿用前面的方法分類保留3萬(wàn)位有效數(shù)字的無(wú)理數(shù)，不同的是這次引入的參考系是一個(gè)隨機(jī)數(shù)。這個(gè)隨機(jī)數(shù)的構(gòu)造方法是

static int n=100; public static double[] r100( ) throws IOException, ParseException {double [] rf=new double[n];for(int a=0 ;a<n;a++){Random rand =new Random();double v=rand.nextDouble(); if(v>0.9){rf[a]=1;}}return rf;}

用這個(gè)隨機(jī)數(shù)r與其他7個(gè)無(wú)理數(shù)2**0.5，3**0.5，5**0.5，6**0.5，7**0.5，8**0.8，10**0.5去分類。也就是構(gòu)造7個(gè)二分類網(wǎng)絡(luò)

(r,2**0.5)—100*10*2—(1,0)(0,1)

(r,3**0.5)—100*10*2—(1,0)(0,1)

(r,5**0.5)—100*10*2—(1,0)(0,1)

(r,6**0.5)—100*10*2—(1,0)(0,1)

(r,7**0.5)—100*10*2—(1,0)(0,1)

(r,8**0.5)—100*10*2—(1,0)(0,1)

(r,10**0.5)—100*10*2—(1,0)(0,1)

用固定收斂標(biāo)準(zhǔn)多次迭代的辦法比較這幾個(gè)網(wǎng)絡(luò)的迭代次數(shù)和分類平均準(zhǔn)確率有什么區(qū)別。

首先比較迭代次數(shù)差異

?	2**0.5	3**0.5	5**0.5	6**0.5	7**0.5	8**0.5	10**0.5
δ	迭代次數(shù)n	迭代次數(shù)n	迭代次數(shù)n	迭代次數(shù)n	迭代次數(shù)n	迭代次數(shù)n	迭代次數(shù)n
0.5	22.34673	19.96482	20.66332	19.07538	18.49749	18.46231	18.09548
0.4	14409.85	15014.87	12815.06	10129.33	12603.93	11875.22	18077.17
0.3	35028.72	32047.65	29717.22	18034.15	25041.25	33939.94	36289.82
0.2	42659.39	41322.12	109760.2	41358.09	33780.94	52366.28	40687.22
0.1	45911.62	44529.44	117732.7	45048.94	37680.71	54433.35	43681.97
0.01	54868.45	52751.59	129416.3	54227.83	45951.52	64815.69	52670.25
0.001	68823.4	66538.42	139233.6	66585.46	58186.8	77689.96	64697.27
9.00E-04	68971.86	66872.85	139878.7	67262.89	59197.9	79016.88	65766.91
8.00E-04	68766.89	67560.62	141174.1	68022.3	59302.14	79450.78	66094.96
7.00E-04	69558.09	67950.58	142258.9	67626.03	59305.86	79654.1	65712.7
6.00E-04	70887.83	68937.47	142158.3	69092.25	60300.81	80694.77	66429.6
5.00E-04	71414.38	69118.97	142344	68606.68	60112.23	80789.33	68025.45
4.00E-04	71731.17	69296.88	144901.4	70186.79	60815.31	83214.6	68997.38
3.00E-04	73341.66	70768.89	142336	71919.07	62103.98	84173.98	68821.8
2.00E-04	73978.64	71542.48	145687.5	71723.17	62434.55	83597.38	69719.92
1.00E-04	76744.28	73438.05	145903	73635.97	64851.73	87474.73	72190.55

將迭代次數(shù)畫成圖

可見(jiàn)迭代次數(shù)被清晰的分開了，按照迭代次數(shù)越大二者差異越小的比較辦法，這幾個(gè)無(wú)理數(shù)和隨機(jī)數(shù)r之間的差異大小順序?yàn)?/p>

也就表明隨機(jī)數(shù)r和5**0.5的構(gòu)造上的差異最小，和7**0.5構(gòu)造上的差異最大。也就是在這幾個(gè)數(shù)里電腦給出的隨機(jī)數(shù)和5**0.5最為接近。

再比較平均分類準(zhǔn)確率的差異

?	2**0.5	3**0.5	5**0.5	6**0.5	7**0.5	8**0.5	10**0.5
δ	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave	平均準(zhǔn)確率p-ave
0.5	0.499161	0.500704	0.499598	0.499824	0.499869	0.499407	0.49994
0.4	0.488296	0.539126	0.504819	0.508387	0.495191	0.522774	0.519146
0.3	0.493789	0.537578	0.520392	0.50909	0.506161	0.528889	0.527759
0.2	0.529497	0.566462	0.526402	0.525503	0.520874	0.549809	0.547648
0.1	0.578618	0.602658	0.554141	0.544417	0.551276	0.584809	0.590015
0.01	0.723322	0.711573	0.689809	0.672794	0.660844	0.713668	0.716849
0.001	0.865377	0.856648	0.851211	0.856683	0.85193	0.870462	0.855196
9.00E-04	0.868613	0.85802	0.854859	0.862955	0.853362	0.873849	0.859286
8.00E-04	0.866804	0.859704	0.856789	0.862995	0.856915	0.871583	0.862457
7.00E-04	0.870528	0.864131	0.858231	0.87002	0.85806	0.875131	0.864553
6.00E-04	0.872583	0.867307	0.864819	0.87007	0.860196	0.87792	0.868266
5.00E-04	0.879513	0.871854	0.865955	0.873668	0.865849	0.883367	0.873482
4.00E-04	0.881181	0.87494	0.871935	0.879211	0.867518	0.887302	0.877859
3.00E-04	0.886769	0.87909	0.879347	0.882482	0.874065	0.890874	0.88404
2.00E-04	0.89405	0.886	0.886824	0.89109	0.883829	0.897312	0.891859
1.00E-04	0.904055	0.896809	0.896779	0.900467	0.891015	0.906658	0.896759

表明隨機(jī)數(shù)r和這幾個(gè)無(wú)理數(shù)可以被很高精度的被區(qū)分出來(lái)。Pave曲線有5條特征較明顯的曲線，有4條線糾纏在一起，按大小排序

無(wú)理數(shù)的數(shù)據(jù)來(lái)源

https://www.wolframalpha.com/input/?i=x%5E2-1

N[sqr(3),30000]

總結(jié)

以上是生活随笔為你收集整理的用神经网络分类随机数与无理数的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。

上一篇：分类9个无理数并比较他们之间的分布差异
下一篇：估算神经网络卷积核数量的近似方法