用神經網路分類遠和近

a：[遠]

b：[近]

(a，b)—m*n*k—(1,0)(0,1)

假設有兩個資料的集合a和b，元素都為到點o的距離，但讓b中的元素都小於a。用神經網路二分類集合a和集合b。

設r∈（0，1）

用d+r和r作為訓練集來訓練網路，確保a>b.

按照假設1

完全相同的兩個物件無法被分成兩類，與之對應的分類迭代次數為無窮大，分類準確率是50%，50%。

當d逐漸減小，d+r與r之間測差異也將減小，當d=0時a=b這個網路將無法分類。也就是隨著d的減小訓練集a和b之間的差異也將減小，迭代次數增加。當d=0是迭代次數無限大a與b將合在一起。這時網路的分類準確率是50%，50%。表明當d=0是a與b無法相互區分。

(遠，近)—m*n*k—(1,0)(0,1) 50% 50%，相當於乙個雙重態，o點到a和b的距離不同，但是卻沒法區分有什麼差別。

想象乙個無法區分距離遠近的物理環境，比如在奇點中就應該無法區分距離的遠近，因為空間為0.或者說當d=0時距離的遠近相對這個網路來說是對稱的。如果距離遠近的對稱性實現了破缺就意味著出現了一維的空間。因為至少在一維的空間裡才可能區分距離的遠近。

如果距離的破缺導致一維空間的產生，由此假設或者是距離的破缺導致了核力的產生，或者是核力導致了距離的破缺而產生了一維空間。因為核力的作用僅區分距離，乙個維度足夠了。