前面的实验中分别测量了吸引子和鞍点，排斥子和鞍点，吸引子和排斥子的分类网络的准确率。
以吸引子和鞍点为例
r1
r2
<1
<1
吸引子
c
>1
>1
排斥子
p
>1
<1
鞍点
a
<1
>1
反鞍点
fa
制作一个二分类网络用来分类c和a，通过改变测试集c和a的比例观察网路分类能力的变化，并将得到的数据拟合成数学表达式。
训练集的比例c：a=1：1，
测试集c和a的比例为x：y.
让x：y的比例分别为0：10，1：9，2：8，3：7，4：6，5：5，6：4，7：3，8：2，9：1，10：0。
实验过程
二分类吸引子和鞍点
制作一个4*4*2的网络向这个的左侧输入吸引子，并让左侧网络向1，0收敛；向右侧网络输入鞍点让右侧向0，1收敛，并让4*4*2部分权重共享，前面大量实验表明这种效果相当于将两个弹性系数为k1，k2的弹簧并联成一个弹性系数为k的弹簧，并且让k1=k2=k/2的过程。
这个网络的收敛标准是
if (Math.abs(f2[0]-y[0])< δ && Math.abs(f2[1]-y[1])< δ )
因为对应每个收敛标准δ都有一个特征的迭代次数n与之对应因此可以用迭代次数曲线n(δ)来评价网络性能。
本文尝试了δ从0.5到1e-6在内的36个值.
具体进样顺序
进样顺序
迭代次数
δ=0.5
c
1
判断是否达到收敛
a
2
判断是否达到收敛
梯度下降
c
3
判断是否达到收敛
a
4
判断是否达到收敛
梯度下降
……
达到收敛标准测量准确率,记录迭代次数，将这个过程重复199次
δ=0.4
…
δ=1e-6
将这个网络简写成
d2（c，a）-4-4-2-（2*k）,k∈{0,1}
得到准确率表达式
与之对应
d2（p，c）-4-4-2-（2*k）,k∈{0,1}的准确率表达式
d2（p，a）-4-4-2-（2*k）,k∈{0,1}的准确率表达式
因此得到这3组数据
p
c
0.2556
1
p
a
0.959284
0.864343
c
a
0.799758
0.939178
经过观察发现
左侧
右侧
差
1.235858
1.231751
0.004108
1.160756
1.168032
-0.00728
1.188831
1.180657
0.008174
进一步整理这3个等式
实验数据
d2（c，a）-4-4-2-（2*k）,k∈{0,1}
《二分类吸引子和鞍点的准确率的表达式ca》
d2（p，a）-4-4-2-（2*k）,k∈{0,1}
《二分类排斥子和鞍点和准确率的表达式pa》
d2（c，p）-4-4-2-（2*k）,k∈{0,1}
《测试集的构成比例对网络分类性能的影响cp》
