神经网络的参数迁移和共同本征态

神经网络的衰变假设：被概率密度表达的粒子A和B彼此互为粒子和环境，在相互作用中被彼此微扰产生衰变，衰变产物是B化A和A化B，网络的分类准确率是两个粒子衰变剩余的算术和pave=Σpr。

(A,B)---m*n*k---(1,0)(0,1)

如果用离散运动的框架来描述神经网络的分类行为，把神经网络的训练集A，B当作哈密顿算符，权重W当作本征态，收敛准确率p0，p1当作本征值，则可以得到一个方程组

神经网络的收敛过程就是在算符A和B的约束下去寻找与最低能级p0和p1对应的共同本征态w的过程。

“如果它們（算符）是不可对易的,則共同本征态不是不可能有、就是比較少有的例外.”* 虽然大概率的神经网络的训练集不满足对易关系，但这并不违反量子力学原理。也就是假设不满足对易关系的算符A和B有共同的本征态。现在用训练集C,D替换A和B，

(C,D)---m*n*k---(1,0)(0,1)

实现参数迁移，这样就得到了一个方程组

表明参数迁移行为之所以可以实现的一个合理解释是，算符A，B，C，D可以有共同的本征态。

*狄拉克---量子力学原理 p52

神经网络的参数迁移和共同本征态相关推荐

神经网络参数迁移与惯性质量
(0,1)-81*10*2-(1,0)(0,1) 作一个二分类网络分类mnist的0和1,但用这个网络来分类其他对象,比如(0,2),(0,3),(0,4),实现参数迁移.这种操作是否有什么物理意义? ...
《基于卷积神经网络的深度迁移学习，用于燃气轮机燃烧室的故障检测》论文阅读
目录突出抽象引言 1.1动机 1.2文献综述获得的结论 1.3贡献 1.4组织 2方法 2.1燃汽轮机组故障知识共享 2.2迁移学习 2.3 基于卷积神经网络的深度迁移学习 2.4用于燃气轮机燃 ...
神经网络超参数之隐藏层个数+每个隐层的神经元数
神经网络超参数之隐藏层个数+每个隐层的神经元数隐藏层个数神经网络的灵活性也恰好是它的一个主要的短板:有太多的超参数需要调整.不仅仅是可以使用的网络拓扑结构(神经元是如何彼此互相连接的),即使是简单 ...
积神经网络的参数优化方法——调整网络结构是关键！！！你只需不停增加层，直到测试误差不再减少....
积神经网络(CNN)的参数优化方法 from:http://blog.csdn.net/u010900574/article/details/51992156 著名: 本文是从 Michael Nie ...
参数迁移表达的第三种形态相互作用
(0,1)---81*30*2---(1,0)(0,1) (x,1) 做一个网络来分类mnist的0和1,然后用这个网络来分类(x,1),让x分别是mnist的0-9.收敛误差是1E-4,重复199 ...
keras——基于神经网络的风格迁移生成艺术字
Keras是一个高层神经网络API,由纯Python编写而成,至少依赖Tensorflow.Theano.CNTK一种神经网络框架,这里建议用Tensorflow. Keras的特性: 1.简易和快速 ...
卷积神经网络的参数量和计算量
<卷积神经网络的参数量和计算量> 对于在端部署的模型来说,模型的参数量以及计算量是锱铢必较的,使用什么样的激活函数,会有多大的计算成本.对于模型的压缩量化等都是模型的参数量和计算量的准 ...
卷积神经网络的参数计算
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接: https://blog.csdn.net/qian99/article/deta ...
神经网络预测参数有哪些,神经网络预测参数包括
遗传神经网络储层参数预测 . 4.4.1网络的识别过程由于地震勘探中广泛采用三维地震.高分辨率勘探等新技术,资料处理中也引入了多种新的处理方法,使得综合提取多种地震信息成为可能,使用这些信息进行储层横 ...

神经网络的参数迁移和共同本征态

神经网络的参数迁移和共同本征态相关推荐

最新文章

热门文章