神经网络的核裂变模型

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

依然用神经网络的核裂变模型解释神经网络的二分类过程。作一个二分类网络来分类A和B。

将A，B理解成是两个粒子，训练集就是他们的波函数。现在让粒子A,B相撞变成C，因此C将如何分裂？

比如A和B是两个碳核

如果A和B无法被分成两类，也就是网路的分类准确率是50%，50%，则显然C将以镁核的形式稳定存在

如果A和B可以被分成两类比如

则可以得到H和Na。H和Na的波函数显然差异巨大可以被分类，按照神经网络的作用过程，随着迭代次数的增加H和Na的分类准确率将不断增大。

如果分类准确率达到100%，也就是让这两个对象彼此之间毫无关系。成为彼此完全独立的两类对象。

如何才能实现这一物理状态？考虑粒子对无质量和有质量两种情况。

无质量粒子可以实现光速，一对以光速逃离的粒子之间应该没有任何物理联系，也就是分类准确率100%。

对于有质量粒子，随着速度的增加质量也会增加。如果粒子的质量增加到一个太阳质量，而半径尺缩到3km。这时这个粒子将变成黑洞。黑洞的速度相对光速永远为0.也就是黑洞的速度就是光速。相当于将有质量粒子加速到了光速，但黑洞与黑洞之间可以通过引力相互通信，也就意味着两个有质量粒子永远也无法被完全分为两类。

因此神经网络的分类过程可以用两个物理过程理解：一种是加速一对无质量粒子到光速实现分类准确率为100%；另一种相当于加速一对有质量粒子，使其中至少一个变成黑洞，但由于质量的存在其分类准确率永远小于100%的两个过程。

而如果把神经网络训练集的制备过程看作核裂变过程，则神经网络分类的整个过程就相当于核裂变形成两个训练集，将这两个训练集不断加速，使其相对速度达到光速或者使其中的至少一个变成黑洞的过程。

神经网络的核裂变模型相关推荐

贝叶斯神经网络计算核裂变碎片产额
作者丨庞龙刚单位丨华中师范大学研究方向丨高能核物理.人工智能今天介绍一篇北京大学物理系使用贝叶斯神经网络计算核裂变碎片产额的文章.这篇文章发表在 PRL 上,业内同行都很感兴趣.这里对我们大同行 ...
SIGIR阿里论文 | 可视化理解深度神经网络CTR预估模型
小叽导读:尽管业界对于图像处理和自然语言处理领域,在算法可解释性方向上已经取得了一些进展,但对于电商与广告领域,目前还是空白.另一方面,深度学习技术已经开始被大规模应用到广告业务中.广告是很多互联网现 ...
【深度学习】深入浅出神经网络框架的模型元件（池化、正则化和反卷积层）
[深度学习]深入浅出神经网络框架的模型元件(池化.正则化和反卷积层) 文章目录 1 池化层 1.1 MaxPooling2D 1.2 MaxPooling1D: 1.3 AveragePooling2 ...
【深度学习】深入浅出神经网络框架的模型元件（常用层和卷积层）
[深度学习]深入浅出神经网络框架的模型元件(常用层和卷积层) 文章目录 1 常用层1.1 Dense1.2 Activation层1.3 Dropout1.4 Flatten 2 卷积层2.1 Cov ...
清华大学图神经网络综述：模型与应用
机器之心专栏作者:PaperWeekly 近年来,图神经网络的研究成为深度学习领域的热点,机器之心曾介绍过清华大学朱文武等人综述的图网络.近日,清华大学孙茂松组在 arXiv 上发布预印版综述文章 ...
Tensorflow实例：（卷积神经网络）LeNet-5模型
通过卷积层.池化层等结构的任意组合得到的神经网络有无限多种,怎样的神经网络更有可能解决真实的图像处理问题?本文通过LeNet-5模型,将给出卷积神经网络结构设计的一个通用模式. LeNet-5模型 L ...
图神经网络综述：模型与应用
近年来,图神经网络的研究成为深度学习领域的热点.近日,清华大学孙茂松组在 arXiv 上发布预印版综述文章 Graph Neural Networks: A Review of Methods and ...
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
Keras深度学习实战(1)--神经网络基础与模型训练过程详解 0. 前言 1. 神经网络基础 1.1 简单神经网络的架构 1.2 神经网络的训练 1.3 神经网络的应用 2. 从零开始构建前向传播 ...
【神经网络与深度学习】CIFAR10数据集介绍，并使用卷积神经网络训练图像分类模型——[附完整训练代码]
[神经网络与深度学习]CIFAR-10数据集介绍,并使用卷积神经网络训练模型--[附完整代码] 一.CIFAR-10数据集介绍 1.1 CIFAR-10数据集的内容 1.2 CIFAR-10数据集的结 ...

神经网络的核裂变模型

神经网络的核裂变模型相关推荐

最新文章

热门文章