如果乙個物件a，無論與b或c分類，分類的準確率都是50%,則a為乙個具有智慧型的物件。
用符號表示∵
(a,b)-n*m*k-(1,0)(0,1) 50%:50% ①
(a,c)-n*m*k-(1,0)(0,1) 50%:50% ②
∴a=智慧型體 ③
上式的①表示a和b用乙個結構為n*m*k的網路分類，分類準確率為50%，50%。表明a與b邏輯上是同乙個物件，無法區分彼此。
同樣②表示a與c分類，a也可以與c變成邏輯上的同乙個物件。
也就是邏輯上a既可以是b，也可以是c，則a為智慧型體。
也就意味著假設：所謂智慧型就是乙個可以被無限分類的物件。
證明這個論題可以用反證法∵
圖靈測試：(
人,電腦)-n*m*k-(1,0)(0,1) 50%:50% ④
∴電腦有智慧型 ⑤
顯然用神經網路的二分類理論去重述圖靈測試就是，用電腦和人腦去做二分類，如果這個網路的分辨準確率是50%，50%，也就是無法區分人腦和電腦，也就表明通過了圖靈測試，電腦具有智慧型。
而人具有多面性，可能是人b，也肯能是人c，並不是讓電腦去具體的模擬某個人。讓電腦與人去分類， 因此④⑤等同於∵
(電腦, 人
b)-n*m*k-(1,0)(0,1) 50%:50% (
電腦,
人c)-n*m*k-(1,0)(0,1) 50%:50% ∴
電腦=智慧型體
因此表述④⑤等同於表述①②③，而表述①②③成立就意味這承認所謂智慧型就是乙個可以被無限分類的物件。比如人總是有多面性或者從分類的意義來說可以擬態或變色的動物也是有智慧型的。
神經網路解決二分類問題
import tensorflow as tf from numpy.random import randomstate batch size 8 w1 tf.variable tf.random normal 2,3 stddev 1,seed 1 w2 tf.variable tf.random...
用神經網路做的簡單的二分類
這兩周學習了深度學習的基礎知識，大概看了下bp，cnn，rnn的基本原理和概念，又用了幾個小時時間 白天要上班只能晚上學習 簡單看了下keras文件，建立了乙個非常簡單的神經網路模型。這個模型是簡單的二分類模型 小白中的小白 當輸入 25是輸出1，否則輸出0.這裡是需要匯入的庫 from keras...
tensorflow 神經網路解決二分類問題
import tensorflow as tf from numpy.random import randomstate 定義訓練資料batch大小 batch size 8 定義神經網路的引數 w1 tf.variable tf.random normal 2,3 stddev 1,seed 1 ...