这里的分类错误指的是不能通过调整网络结构和参数避免的错误。

1.形态的多义性

比如一个圆可以看作一个足球或者一个轮胎。把足球和轮胎看作这个圆的两个属性，尝试把圆分类成足球或轮胎，可以理解成足球和轮胎两种属性之间有一种排斥力；但圆确实是足球和轮胎的共同特征，仅从形态上确实无法把这两个属性分开，这种现象可以理解成两种属性之间有一种引力。而且这种力是一种短程力，作用范围仅限于圆这个形态本身。

因此由形态的多义性导致的错误看起来像是由两种或多种不可分割属性导致的强相互作用。

2.图片的分割

对于一个分形的世界，整体与局部细节完全相同，可以用任意局部的细节去表达整体。在这种情况下可以任意分割图片，他们的特征是一致的。

但宏观的现实世界可能并不是分形的，由此导致局部和整体的特征并不一致，任意一张图片的任意一种分割方法都有他的道理。有点像是弱相互作用，中子由三个不同的部分组成。所以把由图片分割导致的分类错误理解成是由于整体与局部的特征不一致导致的弱相互作用。

3.训练集交叉

比如用神经网络分类0和1，但是在0的训练集里放一张1的图片，这个网络的分类准确率不可能达到100%。因为若这个网络能达到100%的分类准确率，将会出现0==0&&1==0的逻辑矛盾。

如果把分类图片理解成这个分类世界的原子，那训练集的交叉就是原子与原子之间的一种长程的作用。如果0的训练集里有50%的1，而1的训练集里有50%的0，此时0和1的训练集相同，可以理解成两个训练集吸引到了一起，不分彼此。因此向0的训练集里加入1可以看作是一种引力，而将1移出0的训练集可以看作是一种斥力。

因此由于训练集交叉导致的分类错误是一种可以表达为引力和斥力的长程相互作用。

4.训练集维度不够

实验表明可以用两个9*9的卷积核把9*9的图片缩小到2个点仍然可以正常分类，但如果仅用1个9*9的卷积核把9*9的图片缩小到1个点却无法分类。

这个实验表明，表达一个逻辑关系是有维数限制的。如果图片维数不够某些逻辑关系的区别无法体现，他们也就无法分类。把所有的逻辑关系都缩小到最小的尺寸去表达是最经济的，这看起来像是一种单向的引力。

因此把由于图片尺寸不够导致某些逻辑关系不足以被表达而引起的错误是一种单向的长程作用。

因此导致神经网络分类错误的原因同样可以用强弱相互作用，电磁力和引力的作用逻辑去理解。