用神经网络验算1+1是否等于0+2

(A，B)---m*n*k---(1,0)(0,1)

移动距离和假设

用神经网络分类A和B，把参与分类的A和B中的数字看作是组成A和B的粒子，分类的过程就是让A和B中的粒子互相交换位置，寻找最短移动路径的过程。而熵H与最短移动距离和成正比，迭代次数n和熵H成反比。

对二值化图片移动规则汇总

每个粒子移动一次，位置重合不移动，0不动，单次移动距离恒为1.

按照移动距离和假设，二值化图片的迭代次数仅取决于两张图片不重合点的数量。在不重合点的数量一致的情况下，迭代次数相同。这次就验证是否1+1=0+2.

用神经网络分类A和B，让A和B中都只有8个1.让两张图片不断迭代直到收敛。每个收敛误差收敛199，次统计迭代次数平均值，并比较。

得到迭代次数

这三条曲线是重合的。因为他们的移动距离和都是2。如在881中，A的（0，0）点和B的（0，2）点位置不重合，因此不重合点的数量为1+1=2，单次移动距离恒为1.因此总的移动距离和为2.而882和883的总的移动距离和也都是2，因此他们的迭代次数曲线是重合的。

继续完成884-889的实验，得到的迭代次数

经比较可确认884-889的迭代次数与881-883的迭代次数是重合的。这与假设一致。

相比较971，971的A中不重合点的数量是0，B中不重合点的数量是2个。因此对于971而言，不重合点的数量是0+2.

而881不重合点的数量是1+1.因此如果971和881的迭代次数重合就验证了前文的假设。

971的实验已经完成，对比二者的数据

两条曲线是重合的，因此对于二值化图片，如果不重合点的总数是一致的，他们的迭代次数就是一致的。

与前述实验数据对比