神經節點之間的作用方式看起來如此像微觀粒子之間的作用方式，那是否有可能用神經網路模擬分子
如上圖，學習率當然就是蒲朗克常熟，權重不能套用經典物理的力，是用概率幅，而概率幅是乙個沒有方向可以直接相加的量。c只有6個電子，畫兩層是為了模擬電子相互之間的作用。看起來很像人工神經網路的結構
比如甲烷用神經網路畫出來可能就是這樣的，第一層有兩個電子，第二層4個電子，因為甲烷結構高度對稱氫只和乙個電子相連
假如有乙個瞬間原子核外的所有電子保持不動，互相之間傳遞概率幅引數，因為甲烷可以穩定存在所以這個網路總會最終收斂。
若真如此原子似乎就是自然世界的
卷積核。
神經網路 卷積神經網路
這篇卷積神經網路是前面介紹的多層神經網路的進一步深入，它將深度學習的思想引入到了神經網路當中，通過卷積運算來由淺入深的提取影象的不同層次的特徵，而利用神經網路的訓練過程讓整個網路自動調節卷積核的引數，從而無監督的產生了最適合的分類特徵。這個概括可能有點抽象，我盡量在下面描述細緻一些，但如果要更深入了...
神經網路 卷積神經網路
1.卷積神經網路概覽 來自吳恩達課上一張，通過對應位置相乘求和，我們從左邊矩陣得到了右邊矩陣，邊緣是白色寬條，當畫素大一些時候，邊緣就會變細。觀察卷積核，左邊一列權重高，右邊一列權重低。輸入，左邊的部分明亮，右邊的部分灰暗。這個學到的邊緣是權重大的寬條 都是30 表示是由亮向暗過渡，下面這個圖左邊暗...
用R實現神經網路
神經網路是一種運算模型，由大量的節點 或神經元 和之間的相互連線構成，每個節點代表一種特定的輸出函式。每兩個節點間的連線都代表乙個對於通過該連線訊號的加權值，稱為權重，這相當於神經網路的記憶。神經網路分為倆類 分類和回歸 注意點1難解釋2會學習過度，需要恰當的使用嚴格衡量神經網路的方法，如測試集和交...