用神经网络的分类行为理解力的相互作用

把物质的波函数理解成是神经网络的输入,而把两个粒子相互作用的力的过程理解成是两个粒子相互分类的过程。

比如有两个球A和B分别撞向对方,

现在假设A与B撞击的过程中有一个中间状态A与B合成了过渡态小球C,则A与B撞击的结果就取决于C如何分裂。

假设c按照等比例的1:1分裂,1个c球分成1个A球和1个B球.这个过程用分类过程来解释,做一个二分类网络类分类A和B,让A向(1,0)收敛,让B向(0,1)收敛。将得到一组概率分布组合

用(1,0)位去分辨A准确率为100-εA,用(0,1)位去分辨A准确率是εA;同样用(0,1)位去分辨B的准确率是100-εB,同样用(1,0)位去分辨B的准确率是εB。

假设εA,和εB都足够小,则100-εA和100-εB都将约为1,这次碰撞就将变成一次经典的弹性碰撞。

 

 

如果c分裂成A和B的概率不是1:1,而是n:m,比如3:8。也就是意味着1个A球和1个b球组成的体系经碰撞后变成了0.3的A和0.8个B,则这个体系的分类准确率由初始态εA=0,εB=0变成了

 在(1,0)位A的准确率变成了0.3,而(0,1)位的B的准确率变成了0.8.比如把用(1,0)测量A叫A顺位,用(0,1)位去测量A叫A的补位,同样把用(0,1)测量B叫B顺位,用(1,0)位去测量B叫B的补位

则A顺位就是A的正粒子,A补位就是A的反粒子;B顺位就是B的正粒子,B的补位就是B的反粒子。

如果把概率理解成是0.3/(0.3+0.8)的C变成A,0.8/(0.3+0.8)的C变成B,则这种ε显著大于0的现象与强弱相互作用描述的现象极为接近。

由此力(不包括引力)的作用过程一定在逻辑上包括分类过程,否则两个小球将合在一起无法区分,而分类过程可以用分裂去理解,而核分裂就是放射性衰变。

由此反推,因为重力总是将所有对象无差别的合在一起,重力的作用过程可能是一个不区分对象的反分类过程,与其他三个力不同。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 《图神经网络基础前沿与应用》是一本关于图神经网络的基础知识和最新进展的书籍,介绍了图神经网络的基本概念和理论,并探讨了其在各个领域的实际应用。 图神经网络是一种专门用来处理图数据的深度学习模型。与传统的深度学习模型主要针对向量和矩阵数据不同,图神经网络可以有效地处理更复杂的图结构数据,例如社交网络、蛋白质相互作用网络等。 本书首先介绍了图神经网络的基本知识,包括图结构的表示方法、节点和边的特征表示以及基本的图神经网络模型,如图卷积神经网络、图注意力网络等。然后,书中详细介绍了图神经网络的基础前沿,如图神经网络的理论基础和图表示学习方法。这些内容能够帮助读者理解和掌握图神经网络的基本原理和算法。 此外,本书还探讨了图神经网络在多个领域的实际应用,包括社交网络分析、蛋白质相互作用预测、药物发现、推荐系统等。这些应用案例将帮助读者了解图神经网络在实际问题中的应用场景和效果。 总之,《图神经网络基础前沿与应用》是一本介绍图神经网络的基础知识和最新进展的重要参考书籍,对于对图神经网络感兴趣的学者、工程师和研究者来说,是一本不可或缺的学习资料。 ### 回答2: 《图神经网络基础前沿与应用pdf》是一本关于图神经网络的基础知识和前沿应用的电子书。该书通过系统地介绍了图神经网络的基本概念、原理和算法,同时还关注了目前图神经网络的最新研究进展和应用场景。 首先,该书从基础开始介绍了图神经网络的概念和基本理论,包括图的表示方法、节点嵌入、图嵌入等内容。通过对这些基础知识的学习,读者可以对图神经网络的基本原理有一个清晰的理解。 其次,该书还深入探讨了图神经网络在各个领域的应用。例如,在社交网络分析中,图神经网络可以用于社区发现、节点分类和链接预测等任务;在化学分子分析中,可以用于分子表示、药物发现和反应预测等任务。通过这些实际的应用案例,读者可以更好地了解图神经网络的实际应用价值。 此外,该书还着重介绍了图神经网络的前沿研究方向。例如,介绍了基于图神经网络的图生成模型、图对齐和图增强等研究方向。这些前沿的研究内容可以帮助读者了解图神经网络的进一步发展趋势,并为读者提供进一步深入研究的方向。 总体而言,这本《图神经网络基础前沿与应用pdf》是一本非常有价值的书籍,它系统地介绍了图神经网络的基础知识和前沿应用,并给出了具体的应用案例和研究方向。对于对图神经网络感兴趣的读者来说,这本书是一本不可错过的参考资料。 ### 回答3: 《图神经网络基础前沿与应用pdf》是一本关于图神经网络的基础知识和最新研究进展的电子书。图神经网络是一种用于处理图数据的机器学习模型,它能够捕捉图数据中的节点和边之间的关系,广泛应用于社交网络分析、推荐系统、化学分子结构预测等领域。 这本电子书首先介绍了图神经网络的基础概念,包括图的表示方法、节点和边的特征表示以及图神经网络的基本结构。然后,它介绍了当前图神经网络领域的前沿研究,包括图卷积网络、图注意力网络、图生成模型等。这些模型在提高图数据的表征能力、处理大规模图数据方面都取得了重要进展。 此外,这本电子书还详细介绍了图神经网络在不同应用领域的应用案例。例如,在社交网络分析中,图神经网络可用于社区发现、社交关系预测等任务。在推荐系统中,它能够利用用户行为图来实现个性化推荐。在化学领域,图神经网络能够预测分子间的相互作用力,有助于新药物的研发。 总的来说,《图神经网络基础前沿与应用pdf》是一本权威且实用的电子书,对于想深入了解图神经网络的研究者和从业者来说,是一本不可多得的参考资料。它综合了基础知识和前沿研究,同时还提供了丰富的应用案例,有助于读者全面理解和应用图神经网络

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

黑榆

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值