- 博客(9)
- 资源 (20)
- 收藏
- 关注
RSS订阅原创 概率模型分子动力学模拟五元环吡咯C4H5N
吡咯是一种非常重要的化学物质，特别是这种物质对人来说有一种果香。吡咯中有两个双键，整个吡咯环是在一个平面上，应该是一种高度对称的结构，根据这种结构用神经网络反向传导方法制作了吡咯的模型经过多次试验这个网络的对称性是通过小网络的启动顺序决定的，经过多次试验找到的一组比较优的顺序是首先启动N1，H2，H5接着启动C2，C5，H1，H3，H4最后启动C3，C4
2018-03-29 10:07:23
2627
原创 用DL深度学习神经网络绘图---对于程序来说0和1到底是什么样的
制作一个784*300*2的神经网络用于区分mnist的0和1，得到训练好的权重将网络反过来变成2*300*784，将输出当做输入，并计算输出，看看对应一组训练好的权重画出来的是什么图形。 神经网络正向反向两个方向的计算应该不是可逆的，但是很近似。比如这组权重的正确率是0.978,这是0这是对应权重的1测试
2018-03-21 17:36:42
686
原创 一个XOR问题的实例---神经网络的权重到底是如何变化的
制作一个2*2*1无偏置的神经网络，输入分别是（0,0）,（0,1）,（1,0）,(1,1)输出是0,1,1,0.实现XOR，并观察权重和损失函数的变化规律，得到的权重4886H（输入）I（权重w1）JK（权重w2）L（输出）4887068.227228110.5173.01332390.000448325
2018-03-20 14:16:57
2465
1
原创 深度学习DL调参隐藏层节点数对网络性能的影响
这次用于实验隐藏层节点数对网络性能的影响，训练集用的是mnist的训练集的0和1，测试集用的mnist的测试集的0和1，学习率固定位0.1，batchsize=20，训练集不加噪音。得到的数据网络结构81*1*281*2*281*5*281*10*281*20*281*60*281*100*281*200*2训练集全样
2018-03-15 10:04:58
4095
原创 神经网络调参训练集噪音比例对网络性能的影响
这次用于实验训练集噪音比例对网络性能的影响，网络结构81*60*2，训练集用的是mnist的训练集的0和1，测试集用的mnist的测试集的0和1，学习率固定位0.1，batchsize=20，试验了训练集噪音比例从0%,5%，10%，15%，20%，30%，40%，50%的网络,得到的结果:网络结构81*60*281*60*281*60*281*60
2018-03-15 09:40:10
3120
2
原创 神经网络调参batchsize对网络性能影响
本文设计了一个81*60*2的神经网络结构，并将学习率固定为0.1，噪音比例控制在0，批次数量200，每批迭代次数10000次，每10批进行一次测试，并逐渐的改变batchsize观察batchsize对网络性能的影响。实验数据用的是mnist的数据集中的0,1,0有5863个，1有6677个，测试集0有980个，1有1135个。图片经过1/3的池化，由28*28变成9*9。批次数量500
2018-03-11 11:51:27
3119
原创 Monte Carlo概率模型进行分子动力学模拟并计算苯甲醚键值
本文继续通过用神经网络给分子建模并比较数值，这次计算苯甲醚，这是一种强邻对位基团，分子模型如下计算得到的数据与前面的数据比较*NN二甲基苯胺N甲基苯胺苯胺苯酚苯甲醚硝基苯左邻位
2018-03-05 11:34:50
696
原创 深度学习DL蒙特卡洛法平衡态分子动力学模拟并计算苯酚键值
接上文《用反向传导进行分子动力学模拟并比较NN二甲基苯胺，N甲基苯胺，苯胺，硝基苯的定位效应》继续用神经网络模拟分子，这次计算苯酚苯酚的网络结构算出来的数值画成图.对比前面算出来的*NN二甲基苯胺
2018-03-03 19:05:45
1202
原创 用反向传导进行分子动力学模拟并比较NN二甲基苯胺，N甲基苯胺，苯胺，硝基苯的定位效应
首先用神经网络的反向传导原理制作分子模型NN二甲基苯胺N甲基苯胺苯胺硝基苯因为C6H5N（CH3）2，C6H5NHCH3，C6H5NH2,是邻对位定位基团并且C6H5N（CH3）2 >C6H5NHCH3 >C6H5NH2而C6H5NO2是间位定位基团所以计算C6H
2018-03-01 15:51:12
1951
2019年4月12日神经网络为什么可以实现分类？---三分类网络0，1，2与弹性振子力学系统的数据
2019-04-12
可以作图的JAVA蚁群算法 att48数据集可拿到10812
2017-09-15
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人