試圖用神經網路來描述苯環的構造，將苯環構造成6個互相連線的由單雙鍵構成的神經網路，相互收斂，並最終實現整體收斂，最終在初始值完全版不同的情況下3個雙鍵大約收斂於0.5，3個單鍵單鍵收斂於0.495。
如圖h，i和bn，bo形成雙鍵，m和n形成單鍵,收斂條件是
while(math.abs(h-bn)>0.001 || math.abs(i-bo)>0.001 || math.abs(m-n)>0.001||
math.abs(aa-v)>0.001 ||math.abs(ab-u)>0.001 || math.abs( af-an)>0.001 ||
math.abs(ba-as)>0.001 ||math.abs( bb-rs)>0.001|| math.abs( bf-bs)>0.001 )
最終得到
h=0.500134430400427
i=0.501072643640669
m=0.494025109219911
bn=0.500180025549521
bo=0.501053585673062
bs=0.4942071644886
aa=0.500876043046251
ab=0.499900139674235
af=0.49488532937826
v=0.500773990318459
u=0.499821097251051
n=0.495025100766239
ba=0.500521579435584
bb=0.500067072332726
bf=0.493909747623554
as=0.500719451934207
ap=0.499994618434358
an=0.494096976641031
各層的權重
這個網路很容易收斂，雖然單鍵和雙鍵的值都收斂到0.5左右，因為雙鍵的差值有兩次累加得到的結果雙鍵的值比單鍵的大，這個部分體現了分子中雙鍵的鍵能比單鍵大的性質。
NLP系列 6 神經網路基礎
前饋神經網路是一種最簡單的神經網路，各神經元分層排列。每個神經元只與前一層的神經元相連。接收前一層的輸出，並輸出給下一層 各層間沒有反饋。神經網路的第一層。它接收輸入訊號 值 並將其傳遞至下一層，但不對輸入值執行任何運算。它沒有自己的權重值和偏置值。隱藏層的神經元 節點 通過不同方式轉換輸入資料。乙...
神經網路的6種監督學習傳播演算法
演算法步驟 輸入樣本 學習率 初始化權重w，與偏置b 反覆執行 1 正向傳播資訊 選定樣本，沿著一層層的網路算出估計值y 2 反向傳播誤差 依照估計值與實際值，由損失函式產生的梯度，更新w,b 需要提供學習率 較小 和權重改變量 常量，e.g0.00001 解決了反向傳播演算法中導致權重改變量太大的...
人工神經網路在這6大領域超過人類！
五年前，研究人員對能夠解釋影象的軟體的準確性方面有了相當大的飛躍。人工神經網路支撐了我們目前在ai領域看到的 繁榮 然而，我們仍然沒有達到像 終結者 或 黑客帝國 那樣的現實。目前，研究人員正試圖把重點放在教學機器上。不同於人類大腦一次處理多個事物的大腦，機械人必須以線性的方式 思考 無論如何，在某...