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

假設1：完全相同的兩個對象無法被分成兩類，與之對應的分類迭代次數為無窮大，分類準確率是50%，50%。相等收斂標準下迭代次數越大表明二者差異越小。

如果將神經網絡的訓練集理解為Fock矩陣，把權重看作波函數的系數，則神經網路的收斂過程可理解為求本征態的過程。那如何理解隨著收斂誤差的減小迭代次數越大，分類準確率越大的現象？

按照假設1可以認為迭代次數大表明兩個被分類對象變得更加相似，但訓練集顯然是不會隨著收斂誤差的減小而變化，所以相似的是什么？

可以把本征方程組拆成WA和WB的方程組，網絡收斂顯然就是求WA=WB的過程，收斂誤差越小，|WA-WB|的誤差越小，也就是WA與WB越一致。所以收斂過程讓兩個粒子的波函數變得一致。

神經網絡的衰變假設：粒子A和B彼此互為粒子和環境，在相互作用中被彼此衰變，網絡的分類準確率是兩個粒子衰變剩余的算術和pave=Σpr。

考慮分類準確率和衰變剩余兩個概念內在含義的相似性，可以理解如果粒子和環境越相似則這個粒子越穩定，能級越低，越不容易衰變，分類準確率越高。

因為電子的運動并不會對粒子的衰變有影響，如果讓這個解釋是正確的，W只能是核子的波函數。所謂的外部環境就是另一個成核的核子，這符合核力是短程力的特征，并滿足因果律。

總結

以上是生活随笔為你收集整理的神经网络权重与核子的波函数的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。