--目录--
360.形態物質的分類
https://blog.csdn.net/georgesale/article/details/122910172?spm=1001.2014.3001.5502
359.形態數軸的單點多值現象
https://blog.csdn.net/georgesale/article/details/122882738?spm=1001.2014.3001.5501
358.在形態的世界里尋找基數的影子
https://blog.csdn.net/georgesale/article/details/122844045?spm=1001.2014.3001.5501
357.形態數軸的非遞進現象
https://blog.csdn.net/georgesale/article/details/122810268?spm=1001.2014.3001.5501
356.部分AB結構形態類物質鍵能匯總
https://blog.csdn.net/georgesale/article/details/122760381?spm=1001.2014.3001.5501
355.計算約化重疊積分氟化氫HF
https://blog.csdn.net/georgesale/article/details/122732773?spm=1001.2014.3001.5501
354.計算重疊積分氟化氫HF
https://blog.csdn.net/georgesale/article/details/122703836?spm=1001.2014.3001.5501
353.形態分類法的迭代次數與成鍵的穩定性
https://blog.csdn.net/georgesale/article/details/122669369?spm=1001.2014.3001.5501
352.暗物質的味道
https://blog.csdn.net/georgesale/article/details/122638982?spm=1001.2014.3001.5501
351.在分類的意義上最穩定的物體是什么？
https://blog.csdn.net/georgesale/article/details/122603749?spm=1001.2014.3001.5501
350.LCAOSCF自洽場氟化氫HF斯萊特函數
https://blog.csdn.net/georgesale/article/details/122562375?spm=1001.2014.3001.5501
349.計算勒讓德多項式的系數
https://blog.csdn.net/georgesale/article/details/122524339?spm=1001.2014.3001.5501
348.用神經網絡分類陀螺和遙遠星體
https://blog.csdn.net/georgesale/article/details/122498570?spm=1001.2014.3001.5501
347.慣性與宏觀糾纏態
https://blog.csdn.net/georgesale/article/details/122476152?spm=1001.2014.3001.5501
346.宏觀相似性與慣性質量
https://blog.csdn.net/georgesale/article/details/122434944?spm=1001.2014.3001.5501
345.決定神經網絡迭代次數的兩個因素
https://blog.csdn.net/georgesale/article/details/122412796?spm=1001.2014.3001.5501
344.一次二維的大爆炸
https://blog.csdn.net/georgesale/article/details/122277937?spm=1001.2014.3001.5501
343.生命到底是啥呀？
https://blog.csdn.net/georgesale/article/details/122239347?spm=1001.2014.3001.5501
342.構造二維絕對零度
https://blog.csdn.net/georgesale/article/details/122144766?spm=1001.2014.3001.5501
341.湮滅盡頭的一點光---炮粒子
https://blog.csdn.net/georgesale/article/details/122175203?spm=1001.2014.3001.5501
340.尋找正反物質世界邊境的長城---兵粒子
https://blog.csdn.net/georgesale/article/details/122088486?spm=1001.2014.3001.5501
339.抓住二維核力的尾巴---將粒子
https://blog.csdn.net/georgesale/article/details/122067936?spm=1001.2014.3001.5501
338.解釋與構造---無理數能級
https://blog.csdn.net/georgesale/article/details/122044052?spm=1001.2014.3001.5501
337.空間到底是什么？---車粒子
https://blog.csdn.net/georgesale/article/details/122026403?spm=1001.2014.3001.5501
336.時間的方向
https://blog.csdn.net/georgesale/article/details/121574151?spm=1001.2014.3001.5501
335.計算碳原子系綜的能級C
https://blog.csdn.net/georgesale/article/details/121555406?spm=1001.2014.3001.5501
334.神經網絡粒子和物理粒子的一個本質差別
https://blog.csdn.net/georgesale/article/details/121269877?spm=1001.2014.3001.5501
333.將神經網絡粒子化
https://blog.csdn.net/georgesale/article/details/121250398?spm=1001.2014.3001.5501
332.計算硼原子的基態能級的java程序
https://blog.csdn.net/georgesale/article/details/121144687?spm=1001.2014.3001.5501
331.計算硼原子的基態能級B---交換能
https://blog.csdn.net/georgesale/article/details/121073351?spm=1001.2014.3001.5501
330.計算硼原子的基態能級B---庫侖排斥能
https://blog.csdn.net/georgesale/article/details/120637327?spm=1001.2014.3001.5501
329.計算硼原子基態能級B---動能和勢能
https://blog.csdn.net/georgesale/article/details/120625751?spm=1001.2014.3001.5501
328.人工智能的兩條進化路線
https://blog.csdn.net/georgesale/article/details/120568753?spm=1001.2014.3001.5501
327.人工智能的模樣
https://blog.csdn.net/georgesale/article/details/120531415?spm=1001.2014.3001.5501
326.怎樣才算全面的分類？
https://blog.csdn.net/georgesale/article/details/120510819?spm=1001.2014.3001.5501
325.第二類衰變
https://blog.csdn.net/georgesale/article/details/120473117?spm=1001.2014.3001.5501
324.分類梨和蘋果的兩種方法
https://blog.csdn.net/georgesale/article/details/120289883?spm=1001.2014.3001.5501
323.用神經網絡分類水和乙醇
https://blog.csdn.net/georgesale/article/details/120224209?spm=1001.2014.3001.5501
322.圓是由原子構成的嗎?
https://blog.csdn.net/georgesale/article/details/120101310?spm=1001.2014.3001.5501
321.用化學的方法分類鍵盤和鼠標
https://blog.csdn.net/georgesale/article/details/120085209?spm=1001.2014.3001.5501
320.用神經網絡分類原子和圓
https://blog.csdn.net/georgesale/article/details/120063492?spm=1001.2014.3001.5501
319.原子和圓環
https://blog.csdn.net/georgesale/article/details/120000106?spm=1001.2014.3001.5501
318.軌道半徑對氦原子基態能級的影響He
https://blog.csdn.net/georgesale/article/details/119215005?spm=1001.2014.3001.5501
317.半徑對氫原子基態能級的影響H
https://blog.csdn.net/georgesale/article/details/119147262?spm=1001.2014.3001.5501
316.分類系統的構成與外部表象
https://blog.csdn.net/georgesale/article/details/118806621?spm=1001.2014.3001.5501
315.用java實現積分
https://blog.csdn.net/georgesale/article/details/118762949?spm=1001.2014.3001.5501
314.構造一個完美的分類系統
https://blog.csdn.net/georgesale/article/details/118656174?spm=1001.2014.3001.5501
313.用java實現Gaunt積分
https://blog.csdn.net/georgesale/article/details/118609809?spm=1001.2014.3001.5501
312.可分類系統的最小可分類單元
https://blog.csdn.net/georgesale/article/details/118577384?spm=1001.2014.3001.5501
311.多分類神經網絡與原子核
https://blog.csdn.net/georgesale/article/details/118550737?spm=1001.2014.3001.5501
310.神經網絡權重與核子的波函數
https://blog.csdn.net/georgesale/article/details/118493109?spm=1001.2014.3001.5501
309.用神經網絡分類矩陣和矩陣的轉置
https://blog.csdn.net/georgesale/article/details/118441913?spm=1001.2014.3001.5501
308.用二分類神經網絡估算多分類神經網絡迭代次數的經驗公式
https://blog.csdn.net/georgesale/article/details/118390018?spm=1001.2014.3001.5501
307.計算Be原子基態能級
https://blog.csdn.net/georgesale/article/details/118364569?spm=1001.2014.3001.5501
306.驗算神經網絡諧振子模型的第二組數據
https://blog.csdn.net/georgesale/article/details/118338393?spm=1001.2014.3001.5501
305.一個訓練集未知的神經網絡
https://blog.csdn.net/georgesale/article/details/118306861?spm=1001.2014.3001.5501
304.神經網絡諧振子模型的一組數據
https://blog.csdn.net/georgesale/article/details/118251482?spm=1001.2014.3001.5501
303.神經網絡的迭代次數和收斂誤差與諧振子的位移和時間
https://blog.csdn.net/georgesale/article/details/118156571?spm=1001.2014.3001.5501
302.Mnist 0的波函數
https://blog.csdn.net/georgesale/article/details/118110172?spm=1001.2014.3001.5501
301.神經網絡訓練集與Fock矩陣
https://blog.csdn.net/georgesale/article/details/118071599?spm=1001.2014.3001.5501
300.神經網絡與自洽場
https://blog.csdn.net/georgesale/article/details/117747460?spm=1001.2014.3001.5501
299.用類氫軌道計算交換積分和Li原子2S譜項能級
https://blog.csdn.net/georgesale/article/details/117668395?spm=1001.2014.3001.5501
298.神經網絡與中心場近似
https://blog.csdn.net/georgesale/article/details/117565683?spm=1001.2014.3001.5501
297.計算Gaunt積分 m1m2＜0
https://blog.csdn.net/georgesale/article/details/117528964?spm=1001.2014.3001.5501
296.計算Gaunt積分m1m2≥0
https://blog.csdn.net/georgesale/article/details/117446289?spm=1001.2014.3001.5501
295.雙中心單電子積分計算氫分子離子H2+的軌道能量
https://blog.csdn.net/georgesale/article/details/116938390?spm=1001.2014.3001.5501
294.計算類氦離子基態能級z=1-103從氫到鐒
https://blog.csdn.net/georgesale/article/details/116854765?spm=1001.2014.3001.5501
293.造成神經網絡分類錯誤的4種原因
https://blog.csdn.net/georgesale/article/details/116712911?spm=1001.2014.3001.5501
292.1/r單中心雙電子積分Li+
https://blog.csdn.net/georgesale/article/details/116599876?spm=1001.2014.3001.5501
291.計算氦原子的基態能級
https://blog.csdn.net/georgesale/article/details/116496629?spm=1001.2014.3001.5501
290.用徑向函數和球諧函數計算氫原子能級并驗證維里定理
https://blog.csdn.net/georgesale/article/details/116306082?spm=1001.2014.3001.5501
289.由于分形導致的神經網絡分類誤差
https://blog.csdn.net/georgesale/article/details/116204240?spm=1001.2014.3001.5501
288.圖片的多義現象和相互作用
https://blog.csdn.net/georgesale/article/details/116161240?spm=1001.2014.3001.5501
287.測量分類準確率的過程算坍縮嗎？
https://blog.csdn.net/georgesale/article/details/115797598?spm=1001.2014.3001.5501
286.神經網絡的分類準確率是真實存在的嗎？
https://blog.csdn.net/georgesale/article/details/115766387?spm=1001.2014.3001.5501
285.GAN與力學系統的海森伯圖像
https://blog.csdn.net/georgesale/article/details/115524296?spm=1001.2014.3001.5501
284.級數法解勒讓德方程
https://blog.csdn.net/georgesale/article/details/114092652?spm=1001.2014.3001.5501
283.滿足什么條件的兩個量才可以被分類?
https://blog.csdn.net/georgesale/article/details/113783852?spm=1001.2014.3001.5501
282.自旋表達的到底是什么？
https://blog.csdn.net/georgesale/article/details/113759548?spm=1001.2014.3001.5501
281.Sigmoid是品優函數嗎？
https://blog.csdn.net/georgesale/article/details/113700115?spm=1001.2014.3001.5501
280.計算氫原子基態能級
https://blog.csdn.net/georgesale/article/details/113656765?spm=1001.2014.3001.5501
279.神經網絡的反向傳導到底是在干什么？
https://blog.csdn.net/georgesale/article/details/113614998?spm=1001.2014.3001.5501
278.一個假設:如果兩個量互為分類對象和分類載體則他們不可對易
https://blog.csdn.net/georgesale/article/details/113566475?spm=1001.2014.3001.5501
277.神經網絡的參數遷移和共同本征態
https://blog.csdn.net/georgesale/article/details/113524361?spm=1001.2014.3001.5501
276.神經網絡的分類準確率是連續的嗎？
https://blog.csdn.net/georgesale/article/details/113184520?spm=1001.2014.3001.5501
275.用時間分類能量再用能量分類時間
https://blog.csdn.net/georgesale/article/details/113058262?spm=1001.2014.3001.5501
274.對稱性破缺衰變與分類
https://blog.csdn.net/georgesale/article/details/112990853?spm=1001.2014.3001.5501
273.神經網絡的靜止質量
https://blog.csdn.net/georgesale/article/details/112967189?spm=1001.2014.3001.5501
272.圍棋棋盤上的波粒二象性
https://blog.csdn.net/georgesale/article/details/112621612?spm=1001.2014.3001.5501
271.語言的哈密頓算符波函數和能級
https://blog.csdn.net/georgesale/article/details/112576459?spm=1001.2014.3001.5501
270.圍棋中的哈密頓算符波函數和能級
https://blog.csdn.net/georgesale/article/details/112537448?spm=1001.2014.3001.5501
269.用神經網絡的衰變假設理解神經網絡的翻譯行為
https://blog.csdn.net/georgesale/article/details/112477675?spm=1001.2014.3001.5501
268.神經分類行為中的引力與斥力
https://blog.csdn.net/georgesale/article/details/112105780?spm=1001.2014.3001.5501
267.用分類行為解釋為什么破碎的雞蛋不能還原為一個完整的雞蛋
https://blog.csdn.net/georgesale/article/details/112061878?spm=1001.2014.3001.5501
266.存在于一維空間的穩定分子
https://blog.csdn.net/georgesale/article/details/111385190?spm=1001.2014.3001.5501
265.一個穩定的粒子
https://blog.csdn.net/georgesale/article/details/111132163?spm=1001.2014.3001.5501
264.神經網絡到底是如何做出決策的？
https://blog.csdn.net/georgesale/article/details/110930421?spm=1001.2014.3001.5501
263.mnist 0與mnist x 相互衰變半衰期匯總
https://blog.csdn.net/georgesale/article/details/110822436?spm=1001.2014.3001.5501
262.用神經網絡分類根號2與根號x的數據匯總
https://blog.csdn.net/georgesale/article/details/110551050?spm=1001.2014.3001.5501
261.用神經網絡測量訓練集的半衰期
https://blog.csdn.net/georgesale/article/details/109693434?spm=1001.2014.3001.5501
260.假設一個半衰期為0的對象
https://blog.csdn.net/georgesale/article/details/109678606?spm=1001.2014.3001.5501
259.做一個可以和時空分類的神經網絡
https://blog.csdn.net/georgesale/article/details/109648559?spm=1001.2014.3001.5501
258.用神經網絡構造一個基于分類的多體系統
https://blog.csdn.net/georgesale/article/details/109535353?spm=1001.2014.3001.5501
257.訓練集數量對神經網絡光譜的影響
https://blog.csdn.net/georgesale/article/details/109494217?spm=1001.2014.3001.5501
256.神經網絡訓練集兩張圖片之間的相互作用
https://blog.csdn.net/georgesale/article/details/109473334?spm=1001.2014.3001.5501
255.神經網絡訓練集的圖片到底是如何相互作用的？
https://blog.csdn.net/georgesale/article/details/109405513?spm=1001.2014.3001.5501
254.神經網絡訓練集最少可以是多少個？
https://blog.csdn.net/georgesale/article/details/109332625?spm=1001.2014.3001.5501
253.人工構造迭代次數高度簡并的神經網絡訓練集
https://blog.csdn.net/georgesale/article/details/109204618?spm=1001.2014.3001.5501
252.神經網絡的量子化假設
https://blog.csdn.net/georgesale/article/details/108982138?spm=1001.2014.3001.5501
251.神經網絡迭代次數的簡并和不可約譜項
https://blog.csdn.net/georgesale/article/details/108930498?spm=1001.2014.3001.5501
250.可以與空間耦合的神經網絡分子微擾模型BeO
https://blog.csdn.net/georgesale/article/details/108920474?spm=1001.2014.3001.5501
249.神經網絡迭代次數與Lambert定律
https://blog.csdn.net/georgesale/article/details/108911508?spm=1001.2014.3001.5501
248.收斂標準對卷積核數量最優值的影響
https://blog.csdn.net/georgesale/article/details/108853379?spm=1001.2014.3001.5501
247.CNDO-INTGRL-SS-BINTGS-斯萊特軌道指數--- 精確方法
https://blog.csdn.net/georgesale/article/details/108800596?spm=1001.2014.3001.5501
246.CNDO-INTGRL-SS-BINTGS-斯萊特軌道指數---遞推方法
https://blog.csdn.net/georgesale/article/details/108778411?spm=1001.2014.3001.5501
245.CNDO-INTGRL-SS-AINTGS-斯萊特軌道指數
https://blog.csdn.net/georgesale/article/details/108736037?spm=1001.2014.3001.5501
244.假設一個隨機性和因果性的雙重態
https://blog.csdn.net/georgesale/article/details/108297084?spm=1001.2014.3001.5501
243.多重態與連續性
多重態與連續性_staple-CSDN博客
242.3x3,5x5,7x7,9x9卷積核性能比較
https://blog.csdn.net/georgesale/article/details/108171393?spm=1001.2014.3001.5501
241.神經網絡的哈密頓量
https://blog.csdn.net/georgesale/article/details/108025557?spm=1001.2014.3001.5501
240.神經網絡的分類行為怎么就不能是一種力的行為？
https://blog.csdn.net/georgesale/article/details/108009538?spm=1001.2014.3001.5501
239.java模擬退火程序
https://blog.csdn.net/georgesale/article/details/107939524?spm=1001.2014.3001.5501
238.是否可能存在一種不需要力的相互作用？
https://blog.csdn.net/georgesale/article/details/107897817?spm=1001.2014.3001.5501
237.用9*9的卷積核分類9*9的圖片
https://blog.csdn.net/georgesale/article/details/107866424?spm=1001.2014.3001.5501
236.用7*7的卷積核分類9*9的圖片到底應該用幾個卷積核?55個
https://blog.csdn.net/georgesale/article/details/107845279?spm=1001.2014.3001.5501
235.吸引糾纏的雙白矮星和迭代收斂的神經網絡
https://blog.csdn.net/georgesale/article/details/107670504?spm=1001.2014.3001.5501
234.電子到底為什么會干涉?
https://blog.csdn.net/georgesale/article/details/107641017?spm=1001.2014.3001.5501
233.關于神經網絡分類特征平移不變性的實驗
關于神經網絡分類特征平移不變性的實驗_staple-CSDN博客_平移不變分類
232.一個與神經網絡分類特征旋轉不變性有關的實驗
https://blog.csdn.net/georgesale/article/details/107344716?spm=1001.2014.3001.5501
231.用分類映射的辦法分類兩條夾角為0.3度的直線
用分類映射的辦法分類兩條夾角為0.3度的直線_staple-CSDN博客
230.讓邏輯關系破缺的最小空間尺寸
https://blog.csdn.net/georgesale/article/details/107288199?spm=1001.2014.3001.5501
229.用神經網絡分類兩條夾角為θ的直線
https://blog.csdn.net/georgesale/article/details/107258660?spm=1001.2014.3001.5501
228.猜測：引力與空間映射
https://blog.csdn.net/georgesale/article/details/107235159?spm=1001.2014.3001.5501
227.神經網絡的收斂標準有最優值嗎？
https://blog.csdn.net/georgesale/article/details/107089159?spm=1001.2014.3001.5501
226.估算神經網絡卷積核數量的近似方法
https://blog.csdn.net/georgesale/article/details/106972305?spm=1001.2014.3001.5501
225.用神經網絡分類隨機數與無理數
https://blog.csdn.net/georgesale/article/details/106947786?spm=1001.2014.3001.5501
224.分類9個無理數并比較他們之間的分布差異
https://blog.csdn.net/georgesale/article/details/106906060?spm=1001.2014.3001.5501
223.用神經網絡分類無理數和超越數2**0.5,3**0.5,e
https://blog.csdn.net/georgesale/article/details/106888025?spm=1001.2014.3001.5501
222.用神經網絡分類無理數2**0.5和3**0.5
https://blog.csdn.net/georgesale/article/details/106839485?spm=1001.2014.3001.5501
221.神經網絡的分類等位面
https://blog.csdn.net/georgesale/article/details/106748729?spm=1001.2014.3001.5501
220.單電子雙縫干涉的猜測：躍遷與反粒子
單電子雙縫干涉的猜測：躍遷與反粒子_staple-CSDN博客
219.用神經網絡分類奇數和偶數
https://blog.csdn.net/georgesale/article/details/106693324?spm=1001.2014.3001.5501
218.用神經網絡分類一維矩陣
用神經網絡分類一維矩陣_staple-CSDN博客_一維矩陣
217.是否可能有一臺算力無窮大的計算機？
https://blog.csdn.net/georgesale/article/details/106553141?spm=1001.2014.3001.5501
216.實驗：3*3卷積核10分類9*9圖片卷積核數量最優值
https://blog.csdn.net/georgesale/article/details/106501089?spm=1001.2014.3001.5501
215.神經網絡的耦合作用與規范場
https://blog.csdn.net/georgesale/article/details/106477923?spm=1001.2014.3001.5501
214.用神經網絡分類左和右
用神經網絡分類左和右_staple-CSDN博客
213.用神經網絡分類里和外
https://blog.csdn.net/georgesale/article/details/106339766?spm=1001.2014.3001.5501
212.用神經網絡分類連續與離散
https://blog.csdn.net/georgesale/article/details/106287416?spm=1001.2014.3001.5501
211.用神經網絡分類集合{x|x∈x}與集合{x|x ?x}
用神經網絡分類集合{x|x∈x}與集合{x|x ?x}_staple-CSDN博客
210.用神經網絡分類遠和近
用神經網絡分類遠和近_staple-CSDN博客
209.神經網絡參數遷移與慣性質量
https://blog.csdn.net/georgesale/article/details/106145932?spm=1001.2014.3001.5501
208.質量到底是什么？
質量到底是什么？_staple-CSDN博客
207.神經網絡的核裂變模型
神經網絡的核裂變模型_staple-CSDN博客
206.用神經網絡的分類行為理解質量到底是什么？
https://blog.csdn.net/georgesale/article/details/105935777?spm=1001.2014.3001.5501
205.神經網絡的分類準確率是100%到底意味著什么？
https://blog.csdn.net/georgesale/article/details/105920212?spm=1001.2014.3001.5501
204.什么樣的數據集可以被分成兩類？
https://blog.csdn.net/georgesale/article/details/105843693?spm=1001.2014.3001.5501
203.存在于實數域無限維空間的分子
https://blog.csdn.net/georgesale/article/details/105795255?spm=1001.2014.3001.5501
202.比較雙曲正切tanh與sigmoid激活函數的性能差異
https://blog.csdn.net/georgesale/article/details/105712985?spm=1001.2014.3001.5501
201.用神經網絡二分類金屬Li的波函數
https://blog.csdn.net/georgesale/article/details/105643104?spm=1001.2014.3001.5501
200.用神經網絡二分類人腦與電腦
用神經網絡二分類人腦與電腦_staple-CSDN博客
199.用中子與質子組成的二分類系統演化對稱性破缺過程
用中子與質子組成的二分類系統演化對稱性破缺過程_staple-CSDN博客
198.用神經網絡的分類過程理解夸克與反夸克漸近自由的強相互作用過程
https://blog.csdn.net/georgesale/article/details/105368061?spm=1001.2014.3001.5501
197.用神經網絡分類過去與未來
用神經網絡分類過去與未來_staple-CSDN博客
196.用神經網絡的分類行為理解力的相互作用
用神經網絡的分類行為理解力的相互作用_staple-CSDN博客
195.到底應該用3*3的卷積核還是5*5的卷積核
到底應該用3*3的卷積核還是5*5的卷積核_staple-CSDN博客_卷積核3和5
194.神經網絡與原子軌道線性組合算法LCAO
神經網絡與原子軌道線性組合算法LCAO_staple-CSDN博客
193.由隱藏層節點數引起的網絡準確率的不規則變化02
https://blog.csdn.net/georgesale/article/details/105054426?spm=1001.2014.3001.5501
192.平均分辨準確率對網絡隱藏層節點數的非線性變化關系03
平均分辨準確率對網絡隱藏層節點數的非線性變化關系03_staple-CSDN博客
191.神經網絡波動方程?f（x）/ ?x=f（-x）f（x）的另一組玻色子解
神經網絡波動方程?f（x）/ ?x=f（-x）f（x）的另一組玻色子解_staple-CSDN博客
190.隱藏層節點數對迭代次數分布規律的影響
隱藏層節點數對迭代次數分布規律的影響_staple-CSDN博客
189.用神經網絡二分類理論重述雙原子化合物的成鍵過程
用神經網絡二分類理論重述雙原子化合物的成鍵過程_staple-CSDN博客
188.為什么分類對象越多訓練時間越長?
https://blog.csdn.net/georgesale/article/details/104523760?spm=1001.2014.3001.5501
187.實驗：是否圖片的重疊區域攜帶了決定分類的所有信息？
實驗：是否圖片的重疊區域攜帶了決定分類的所有信息？_staple-CSDN博客
186.真正決定分辨準確率的是圖片重疊的區域
真正決定分辨準確率的是圖片重疊的區域_staple-CSDN博客
185.用神經網絡分類3*3矩陣
https://blog.csdn.net/georgesale/article/details/104392824?spm=1001.2014.3001.5501
184.為什么要加卷積核？
為什么要加卷積核？_staple-CSDN博客
183.存在于實數域的微觀粒子7-神經網絡與電磁場
存在于實數域的微觀粒子7-神經網絡與電磁場_staple-CSDN博客
182.是否可能通過無限增加卷積核的辦法使網絡性能無限提升？
是否可能通過無限增加卷積核的辦法使網絡性能無限提升？_staple-CSDN博客
181.德布羅意波與神經網絡與粒子
德布羅意波與神經網絡與粒子_staple-CSDN博客
180.存在于實數域的微觀粒子6-放射性衰變與分類準確率
存在于實數域的微觀粒子6-放射性衰變與分類準確率_staple-CSDN博客
179.存在于實數域的微觀粒子5-可分類性
存在于實數域的微觀粒子5-可分類性_staple-CSDN博客
178.存在于實數域的微觀粒子4-能量可以轉變為物質
存在于實數域的微觀粒子4-能量可以轉變為物質_staple-CSDN博客
177.二分類卷積核極限數量實驗
二分類卷積核極限數量實驗_staple-CSDN博客
176.應用化學：順式丁烯醛與反式丁烯醛的網絡
https://blog.csdn.net/georgesale/article/details/101626058?spm=1001.2014.3001.5501
175.應用化學：從二氯甲烷到四氯化碳
應用化學：從二氯甲烷到四氯化碳_staple-CSDN博客
174.應用化學：類鹵代甲烷CH3X結構的神經網絡
應用化學：類鹵代甲烷CH3X結構的神經網絡_staple-CSDN博客
173.應用化學C4H12Si類四甲基硅結構的神經網絡
應用化學C4H12Si類四甲基硅結構的神經網絡_staple-CSDN博客
172.多層神經網絡Java代碼800行
多層神經網絡Java代碼800行_staple-CSDN博客
171.調參總結
https://blog.csdn.net/georgesale/article/details/100740344?spm=1001.2014.3001.5502
170.3層，5層，7層，9層網絡性能比較-0-2
3層，5層，7層，9層網絡性能比較-0-2_staple-CSDN博客
169.二分類神經網絡的特征光譜---2-3至2-9
https://blog.csdn.net/georgesale/article/details/99981231?spm=1001.2014.3001.5502
168.卷積核一定可以提升網絡性能嗎？-分類0，2
卷積核一定可以提升網絡性能嗎？-分類0，2_staple-CSDN博客
167.二分類神經網絡的特征光譜---1-2至1-9
二分類神經網絡的特征光譜---1-2至1-9_staple-CSDN博客
166.用特征光譜分類神經網絡
用特征光譜分類神經網絡_staple-CSDN博客_光譜 神經網絡
165.神經網絡的光譜
神經網絡的光譜_staple-CSDN博客_光譜 神經網絡
164.計算多卷積核神經網絡迭代次數---分類0，6
計算多卷積核神經網絡迭代次數---分類0，6_staple-CSDN博客
163.如果重力對人的意識有影響
如果重力對人的意識有影響_staple-CSDN博客
162.卷積核的數量是不是越多越好？-分類0，5
卷積核的數量是不是越多越好？-分類0，5_staple-CSDN博客_卷積核數量是不是越多越好
161.到底應該加幾個卷積核?
到底應該加幾個卷積核?_staple-CSDN博客_卷積核數量
160.存在于實數域的微觀粒子3-?f(x)/ ?x=f(x).f(-x)
https://blog.csdn.net/georgesale/article/details/94460727?spm=1001.2014.3001.5502
159.存在于實數域的微觀粒子2-泡利不相容原理
存在于實數域的微觀粒子2-泡利不相容原理_staple-CSDN博客
158.存在于實數域的微觀粒子
存在于實數域的微觀粒子_staple-CSDN博客
157.神經網絡的分類準確率到底是一個什么物理量
神經網絡的分類準確率到底是一個什么物理量_staple-CSDN博客_神經網絡準確率
156.2*2矩陣訓練集比例對BP神經網絡分類性能影響
2*2矩陣訓練集比例對BP神經網絡分類性能影響_staple-CSDN博客
155.BP神經網絡分類2*2對角矩陣準確率數據匯總
BP神經網絡分類2*2對角矩陣準確率數據匯總_staple-CSDN博客_bp神經網絡分類準確率
154.3層、5層、3層一個卷積核BP神經網絡性能比較
https://blog.csdn.net/georgesale/article/details/91369354?spm=1001.2014.3001.5502
153.ANN神經網絡分類2*2矩陣：吸引子和反鞍點cfa-cp
ANN神經網絡分類2*2矩陣：吸引子和反鞍點cfa-cp_staple-CSDN博客
152.如果用神經網絡分類處于糾纏態的一對粒子？
如果用神經網絡分類處于糾纏態的一對粒子？_staple-CSDN博客
151.二分類2x2對角矩陣準確率表達式
二分類2x2對角矩陣準確率表達式_staple-CSDN博客
150.二分類排斥子和鞍點的準確率的表達式pa
二分類排斥子和鞍點的準確率的表達式pa_staple-CSDN博客
149.二分類吸引子和鞍點的準確率的表達式ca
二分類吸引子和鞍點的準確率的表達式ca_staple-CSDN博客
148.成軸對稱的兩組圖片能被分成兩類嗎？
成軸對稱的兩組圖片能被分成兩類嗎？_staple-CSDN博客
147.測試集的構成比例對網絡分類性能的影響cp
測試集的構成比例對網絡分類性能的影響cp_staple-CSDN博客
146.神經網絡分類的準確率與訓練集奇數和偶數的構成比例
神經網絡分類的準確率與訓練集奇數和偶數的構成比例_staple-CSDN博客
145.構造圖片對網絡進行對抗攻擊n+m=7
構造圖片對網絡進行對抗攻擊n+m=7_staple-CSDN博客
144.圖片上兩點之間的距離和兩組圖片之間的差異的關系
圖片上兩點之間的距離和兩組圖片之間的差異的關系_staple-CSDN博客
143.是否所有二分類神經網絡的準確率都能無限趨近100%？
是否所有二分類神經網絡的準確率都能無限趨近100%？_staple-CSDN博客
142.用矩陣內積的辦法構造迭代次數受控的神經網絡1：0.6：0.1=4：3：2
用矩陣內積的辦法構造迭代次數受控的神經網絡1：0.6：0.1=4：3：2_staple-CSDN博客
141.圖片的三種可能屬性：點的分布規律，數值大小，對稱關系
圖片的三種可能屬性：點的分布規律，數值大小，對稱關系_staple-CSDN博客
140.二分類吸引子，排斥子，鞍點和反鞍點數據匯總
二分類吸引子，排斥子，鞍點和反鞍點數據匯總_staple-CSDN博客
139.用彈性振子力學系統方法計算一組反對角矩陣的質量和頻率n+m=8
用彈性振子力學系統方法計算一組反對角矩陣的質量和頻率n+m=8_staple-CSDN博客
138.測量一條反斜線的頻率和質量n+m=9
測量一條反斜線的頻率和質量n+m=9_staple-CSDN博客
137.用矩陣點積的辦法構造神經網絡的迭代次數1：0.6：0.1=1：1：1
用矩陣點積的辦法構造神經網絡的迭代次數1：0.6：0.1=1：1：1_staple-CSDN博客
136.用神經網絡迭代次數曲線模擬原子光譜
用神經網絡迭代次數曲線模擬原子光譜_staple-CSDN博客
135.用數學方法構造神經網路的迭代次數1-9
用數學方法構造神經網路的迭代次數1-9_staple-CSDN博客
134.一張圖片相對神經網絡可能有幾種屬性？
一張圖片相對神經網絡可能有幾種屬性？_staple-CSDN博客
133.吸引子矩陣和鞍點矩陣可以用神經網絡二分類嗎？
吸引子矩陣和鞍點矩陣可以用神經網絡二分類嗎？_staple-CSDN博客
132.用神經網絡二分類吸引子與排斥子
用神經網絡二分類吸引子與排斥子_staple-CSDN博客_吸引子神經網絡
131.用兩個矩陣的點積計算神經網絡的迭代次數 2-8
用兩個矩陣的點積計算神經網絡的迭代次數 2-8_staple-CSDN博客
130.神經網絡迭代次數的數學構成
神經網絡迭代次數的數學構成_staple-CSDN博客_神經網絡一般迭代多少次
129.神經網絡迭代次數的線性累加現象
神經網絡迭代次數的線性累加現象_staple-CSDN博客
128.神經網絡的迭代次數是一個線性的變量嗎？
神經網絡的迭代次數是一個線性的變量嗎？_staple-CSDN博客
127.測量一組平行線的質量和頻率m=n+1
測量一組平行線的質量和頻率m=n+1_staple-CSDN博客
126.節點數對5層網絡迭代次數的影響
節點數對5層網絡迭代次數的影響_staple-CSDN博客
125.輸入對5層網絡迭代次數的影響
輸入對5層網絡迭代次數的影響_staple-CSDN博客
124.測量一組5層網絡的迭代次數
測量一組5層網絡的迭代次數_staple-CSDN博客
123.對角矩陣和類下三角矩陣的頻率和質量數據比較
對角矩陣和類下三角矩陣的頻率和質量數據比較_staple-CSDN博客
122.測量一組類下三角矩陣的質量和頻率n=m+1
測量一組類下三角矩陣的質量和頻率n=m+1_staple-CSDN博客
121.神經網絡為什么可以實現分類？---三分類網絡0，1，2與彈性振子力學系統
神經網絡為什么可以實現分類？---三分類網絡0，1，2與彈性振子力學系統_staple-CSDN博客_神經網絡三分類
120.測量一組對角矩陣的頻率和質量
測量一組對角矩陣的頻率和質量_staple-CSDN博客
119.權重對生成對抗網絡GAN性能的影響
權重對生成對抗網絡GAN性能的影響_staple-CSDN博客_gan的權重
118.以5‰的概率計算一個網絡準確率達到99.9%的時間和迭代次數---實例三分類mnist 3，4，5
以5‰的概率計算一個網絡準確率達到99.9%的時間和迭代次數---實例三分類mnist 3，4，5_staple-CSDN博客
117.圖片→矩陣→空間→坍縮-→質點--用神經網絡將空間坍縮成粒子的實驗數據匯總
圖片→矩陣→空間→坍縮-→質點--用神經網絡將空間坍縮成粒子的實驗數據匯總_staple-CSDN博客
116.用神經網絡模擬簡諧振動---模擬實例二分類1，2
用神經網絡模擬簡諧振動---模擬實例二分類1，2_staple-CSDN博客
115.神經網絡隱藏層節點數效率最優值
神經網絡隱藏層節點數效率最優值_staple-CSDN博客_隱藏層節點數
114.計算一個網絡準確率達到99.9%的時間和需要的迭代次數---驗證實例三分類minst0，1，2
計算一個網絡準確率達到99.9%的時間和需要的迭代次數---驗證實例三分類minst0，1，2_staple-CSDN博客
113.二分類minst0-1到0-9近似迭代次數公式和準確率公式匯總
二分類minst0-1到0-9近似迭代次數公式和準確率公式匯總_staple-CSDN博客
112.計算神經網絡準確率達到99.9%的時間---實例二分類minst0，9
計算神經網絡準確率達到99.9%的時間---實例二分類minst0，9_staple-CSDN博客_神經網絡準確率計算
111.神經網絡的可能原理---還原論的振子力學系統（驗證實例二分類minst 0，9）
神經網絡的可能原理---還原論的振子力學系統（驗證實例二分類minst 0，9）_staple-CSDN博客
1110.神經網絡的還原論應用---模擬波函數的退相干---驗證實例二分類minst 0，8
神經網絡的還原論應用---模擬波函數的退相干---驗證實例二分類minst 0，8_staple-CSDN博客
109.用神經網絡模擬玻色愛因斯坦凝聚---驗證實例二分類minst 0，7
用神經網絡模擬玻色愛因斯坦凝聚---驗證實例二分類minst 0，7_staple-CSDN博客
108.用神經網絡模擬玻色子力學系統---制作實例二分類minst 0，6
用神經網絡模擬玻色子力學系統---制作實例二分類minst 0，6_staple-CSDN博客
107.神經網絡調參---權重對分類性能的影響
神經網絡調參---權重對分類性能的影響_staple-CSDN博客_神經網絡分類權重
106.神經網絡與波粒二象性---實例驗證二分類minst 0，5
神經網絡與波粒二象性---實例驗證二分類minst 0，5_staple-CSDN博客
105.用神經網絡測量一組圖片的質量---驗算實例二分類minst0，4
用神經網絡測量一組圖片的質量---驗算實例二分類minst0，4_staple-CSDN博客
104.神經網絡與玻色子力學系統---驗證實例二分類minst 0，3
神經網絡與玻色子力學系統---驗證實例二分類minst 0，3_staple-CSDN博客
103.神經網絡與振子動力系統---驗算實例二分類0，2
神經網絡與振子動力系統---驗算實例二分類0，2_staple-CSDN博客_神經網絡與動力系統
102.神經網絡與相對論質量和能量守恒
神經網絡與相對論質量和能量守恒_staple-CSDN博客
101.神經網絡與并聯的彈簧
神經網絡與并聯的彈簧_staple-CSDN博客
100.神經網絡收斂精度計算實例：二分類minst0，8
神經網絡收斂精度計算實例：二分類minst0，8_staple-CSDN博客
99.神經網絡訓練時間計算實例：二分類minst0，7
神經網絡訓練時間計算實例：二分類minst0，7_staple-CSDN博客_神經網絡訓練時間
98.二分類minst0，6收斂時間估算表達式
二分類minst0，6收斂時間估算表達式_staple-CSDN博客
97.學習率對神經網絡迭代次數和準確率的影響以及近似數學表達式
學習率對神經網絡迭代次數和準確率的影響以及近似數學表達式_staple-CSDN博客
96.共振耦合二分類0，5神經網絡迭代次數和準確率估算表達式
共振耦合二分類0，5神經網絡迭代次數和準確率估算表達式_staple-CSDN博客
95.二分類0,4神經網絡的收斂時間和準確率的估算表達式
二分類0,4神經網絡的收斂時間和準確率的估算表達式_staple-CSDN博客
94.估算帶卷積核二分類0,3的網絡的收斂時間和迭代次數
估算帶卷積核二分類0,3的網絡的收斂時間和迭代次數_staple-CSDN博客
93.帶卷積核二分類網絡的輸出是不是有方向的？
帶卷積核二分類網絡的輸出是不是有方向的？_staple-CSDN博客
92.1個卷積核二分類0,1的神經網絡的特征頻率曲線
1個卷積核二分類0,1的神經網絡的特征頻率曲線_staple-CSDN博客
91.minst0-9對應81-30-3的特征頻率曲線
minst0-9對應81-30-3的特征頻率曲線_staple-CSDN博客
90.用forif循環測量minst0-6的特征迭代次數曲線
用forif循環測量minst0-6的特征迭代次數曲線_staple-CSDN博客
89.神經網絡到底是如何實現分類的---共振參考系假設
神經網絡到底是如何實現分類的---共振參考系假設_staple-CSDN博客_神經網絡如何實現分類
88.Minst 0-9特征迭代次數曲線表達式
Minst 0-9特征迭代次數曲線表達式_staple-CSDN博客
87.神經網絡輸出數量對迭代次數的影響
神經網絡輸出數量對迭代次數的影響_staple-CSDN博客_bp神經網絡迭代次數越多越好嗎
86.神經網絡的輸出有方向嗎？
神經網絡的輸出有方向嗎？_staple-CSDN博客
85.神經網絡收斂標準與準確率之間的數學關系
神經網絡收斂標準與準確率之間的數學關系_staple-CSDN博客
84.帶卷積核的神經網絡的迭代次數與收斂標準的關系
帶卷積核的神經網絡的迭代次數與收斂標準的關系_staple-CSDN博客
83.3x3,5x5,7x7卷積核識別效率對比
3x3,5x5,7x7卷積核識別效率對比_staple-CSDN博客
82.學習對象對神經網絡迭代次數的影響
學習對象對神經網絡迭代次數的影響_staple-CSDN博客
81.用收斂標準計算神經網絡迭代次數
用收斂標準計算神經網絡迭代次數_staple-CSDN博客
80.神經網絡與定態薛定諤方程
神經網絡與定態薛定諤方程_staple-CSDN博客
79.神經網絡的迭代次數有可能被計算出來嗎？
神經網絡的迭代次數有可能被計算出來嗎？_staple-CSDN博客
78.一個用于推算神經網絡理論收斂迭代次數的方法
一個用于推算神經網絡理論收斂迭代次數的方法_staple-CSDN博客
77.用反向傳導模擬共振并用共振頻率作分類
用反向傳導模擬共振并用共振頻率作分類_staple-CSDN博客
76.用固定收斂標準特征迭代次數法實現分類是不是一個巧合？
用固定收斂標準特征迭代次數法實現分類是不是一個巧合？_staple-CSDN博客
75.用固定收斂標準網絡的迭代次數比較兩張圖片的相似度
用固定收斂標準網絡的迭代次數比較兩張圖片的相似度_staple-CSDN博客
74.用共振頻率去進行圖片分類的嘗試
用共振頻率去進行圖片分類的嘗試_staple-CSDN博客
73.用特征迭代次數區分minst數據集的0和1
用特征迭代次數區分minst數據集的0和1_staple-CSDN博客
72.神經網絡結構與輸出值之間的關系
神經網絡結構與輸出值之間的關系_staple-CSDN博客_神經網絡輸入輸出關系
71.收斂標準對迭代次數影響
收斂標準對迭代次數影響_staple-CSDN博客_收斂精度與迭代次數的關系
70.熵與神經網絡的輸出值
熵與神經網絡的輸出值_staple-CSDN博客
69.自由電子與神經網絡
自由電子與神經網絡_staple-CSDN博客_電子神經網絡
68.學習率對神經網絡迭代次數的影響
學習率對神經網絡迭代次數的影響_staple-CSDN博客_學習率對神經網絡的影響
67.權重初始化方式對神經網絡迭代次數的影響
權重初始化方式對神經網絡迭代次數的影響_staple-CSDN博客
66.神經網絡的輸入對迭代次數的影響
神經網絡的輸入對迭代次數的影響_staple-CSDN博客_迭代次數越多越好嗎
65.用神經網絡模擬分子：數據精確性檢測
用神經網絡模擬分子：數據精確性檢測_staple-CSDN博客
64.用神經網絡模擬分子：數據重復性檢測
用神經網絡模擬分子：數據重復性檢測_staple-CSDN博客
63.用神經網絡模擬分子：鉀的鹵化物
用神經網絡模擬分子：鉀的鹵化物_staple-CSDN博客
62.用神經網絡模擬分子：鈉的鹵化物
用神經網絡模擬分子：鈉的鹵化物_staple-CSDN博客
61.用神經網絡模擬分子：堿金屬的氯化物
用神經網絡模擬分子：堿金屬的氯化物_staple-CSDN博客
60.用神經網絡做分子模型是不是扯淡，f2,cl2,br2分子模型
用神經網絡做分子模型是不是扯淡，f2,cl2,br2分子模型_staple-CSDN博客
59.att48數據集最優值10628的解
att48數據集最優值10628的解_staple-CSDN博客_att48
58.模擬退火算法SA參數設置實驗記錄
模擬退火算法SA參數設置實驗記錄_staple-CSDN博客_模擬退火算法參數
57.神經網絡有可能被公式化表達嗎？
神經網絡有可能被公式化表達嗎？_staple-CSDN博客
56.并行多機調度遺傳算法調參記錄---變異和淘汰哪個更重要？
并行多機調度遺傳算法調參記錄---變異和淘汰哪個更重要？_staple-CSDN博客
55.蟻群算法調參記錄
蟻群算法調參記錄_staple-CSDN博客_蟻群算法參數
54.權重可以當做概率幅嗎？---用神經網絡的收斂模擬機械波的波動
權重可以當做概率幅嗎？---用神經網絡的收斂模擬機械波的波動_staple-CSDN博客
53.用實驗驗證神經網絡的節點是否可以看作彈性小球
用實驗驗證神經網絡的節點是否可以看作彈性小球_staple-CSDN博客
52.加速神經網絡收斂的萃取精餾權重法
加速神經網絡收斂的萃取精餾權重法_staple-CSDN博客
51.用神經網絡實驗驗證麥克斯韋-玻爾茲曼分布
用神經網絡實驗驗證麥克斯韋-玻爾茲曼分布_staple-CSDN博客_麥克斯韋玻爾茲曼分布
50.計算神經網絡隱藏層節點數極小值
計算神經網絡隱藏層節點數極小值_staple-CSDN博客_隱藏層節點數計算公式
49.用神經網絡學習Fe原子光譜并反向求導計算權重
用神經網絡學習Fe原子光譜并反向求導計算權重_staple-CSDN博客
48.神經網絡隱藏層節點數最少可以是多少個？
神經網絡隱藏層節點數最少可以是多少個？_staple-CSDN博客_隱藏層節點
47.GPU神經網絡和JAVA神經網絡速度對比
GPU神經網絡和JAVA神經網絡速度對比_staple-CSDN博客
46.CUDA,C++,Java,Python,Fortran運行速度比較
https:.//blog.csdn.net/georgesale/article/details/80066002?spm=1001.2014.3001.5502
45.CUDA與Java速度比較---生成Julia數據集并畫圖
CUDA與Java速度比較---生成Julia數據集并畫圖_staple-CSDN博客_cuda繪圖
44.QSAR生命的發動機卟啉c20h14n4---用反向傳導做卟啉的分子模型
QSAR生命的發動機卟啉c20h14n4---用反向傳導做卟啉的分子模型_staple-CSDN博客
43.神經網絡的物理學解釋（一）---權重與概率幅
神經網絡的物理學解釋（一）---權重與概率幅_staple-CSDN博客_物理神經網絡
42.神經網絡為什么要加偏置？---bias與費米能級εF
神經網絡為什么要加偏置？---bias與費米能級εF_staple-CSDN博客_為什么要加偏置
41.費米-狄拉克分布函數Fermi-Dirac與Sigmoid激活函數
費米-狄拉克分布函數Fermi-Dirac與Sigmoid激活函數_staple-CSDN博客_費米狄拉克分布函數
40.概率模型分子動力學模擬五元環吡咯C4H5N
概率模型分子動力學模擬五元環吡咯C4H5N_staple-CSDN博客
39.用DL深度學習神經網絡繪圖---對于程序來說0和1到底是什么樣的
用DL深度學習神經網絡繪圖---對于程序來說0和1到底是什么樣的_staple-CSDN博客
38.一個XOR問題的實例---神經網絡的權重到底是如何變化的
一個XOR問題的實例---神經網絡的權重到底是如何變化的_staple-CSDN博客
37.深度學習DL調參隱藏層節點數對網絡性能的影響
深度學習DL調參隱藏層節點數對網絡性能的影響_staple-CSDN博客_增加隱藏層對網絡的影響
36.神經網絡調參訓練集噪音比例對網絡性能的影響
神經網絡調參訓練集噪音比例對網絡性能的影響_staple-CSDN博客
35.神經網絡調參batchsize對網絡性能影響
神經網絡調參batchsize對網絡性能影響_staple-CSDN博客
34.Monte Carlo概率模型進行分子動力學模擬并計算苯甲醚鍵值
Monte Carlo概率模型進行分子動力學模擬并計算苯甲醚鍵值_staple-CSDN博客
33.深度學習DL蒙特卡洛法平衡態分子動力學模擬并計算苯酚鍵值
深度學習DL蒙特卡洛法平衡態分子動力學模擬并計算苯酚鍵值_staple-CSDN博客
32.用反向傳導進行分子動力學模擬并比較NN二甲基苯胺，N甲基苯胺，苯胺，硝基苯的定位效應
用反向傳導進行分子動力學模擬并比較NN二甲基苯胺，N甲基苯胺，苯胺，硝基苯的定位效應_staple-CSDN博客
31.用平方映射理解tanh
用平方映射理解tanh_staple-CSDN博客
30.用神經網絡做分子動力模擬 二氟甲烷，二氯甲烷，二溴甲烷并計算鍵值
用神經網絡做分子動力模擬 二氟甲烷，二氯甲烷，二溴甲烷并計算鍵值_staple-CSDN博客
29.神經網絡的sigmoid激活函數是一種平方映射
神經網絡的sigmoid激活函數是一種平方映射_staple-CSDN博客
28.Tensorflow的迭代次數到底應該設為多少？
Tensorflow的迭代次數到底應該設為多少？_staple-CSDN博客_迭代次數
27.密度泛函DFT與神經網絡
密度泛函DFT與神經網絡_staple-CSDN博客
26.學習率對神經網絡的影響-乙烷，乙烯，乙炔的分子模型試驗數據對比
學習率對神經網絡的影響-乙烷，乙烯，乙炔的分子模型試驗數據對比_staple-CSDN博客_學習率對神經網絡的影響
25.由神經網絡的迭代次數計算輸出值并評價網絡性能
由神經網絡的迭代次數計算輸出值并評價網絡性能_staple-CSDN博客
24.用共振頻率去理解神經網絡-將乙烯模型運行300次的數據
用共振頻率去理解神經網絡-將乙烯模型運行300次的數據_staple-CSDN博客
23.將成化學鍵的成鍵過程理解成是用分子測量本征值的過程
將成化學鍵的成鍵過程理解成是用分子測量本征值的過程_staple-CSDN博客
22.用反向傳導分子模型去計算基團的定位效應
用反向傳導分子模型去計算基團的定位效應_staple-CSDN博客
21.C++,Java,Python,Fortran到底哪個更快?
C++,Java,Python,Fortran到底哪個更快?_staple-CSDN博客_c++ fortran 速度
20.C++的速度比Java快2.1%：來自計算100萬以內質數的實驗數據對比
C++的速度比Java快2.1%：來自計算100萬以內質數的實驗數據對比_staple-CSDN博客
19.用反向傳導做分子模擬：苯胺（C6H5NH2)和硝基苯（C6H5NO2)
用反向傳導做分子模擬：苯胺（C6H5NH2)和硝基苯（C6H5NO2)_staple-CSDN博客
18.用反向傳導模擬電子運動并模擬HF，HCl，HBr
用反向傳導模擬電子運動并模擬HF，HCl，HBr_staple-CSDN博客
17.神經網絡模擬分子：苯環的瞬時模型
神經網絡模擬分子：苯環的瞬時模型_staple-CSDN博客
16.用神經網絡做分子模型：乙烯和乙炔的實驗數據
用神經網絡做分子模型：乙烯和乙炔的實驗數據_staple-CSDN博客
15.實驗數據：將甲醛和亞硝酸的模擬分子網絡分別計算100次的結果
實驗數據：將甲醛和亞硝酸的模擬分子網絡分別計算100次的結果_staple-CSDN博客
14.用神經網絡解釋化學鍵能 化學鍵的鍵能：一個方程組的特征解
用神經網絡解釋化學鍵能 化學鍵的鍵能：一個方程組的特征解_staple-CSDN博客
13.用神經網絡計算甲醛CH2O和亞硝酸HNO2的化學鍵的鍵能
用神經網絡計算甲醛CH2O和亞硝酸HNO2的化學鍵的鍵能_staple-CSDN博客
12.苯環的神經網絡C6H6
苯環的神經網絡C6H6_staple-CSDN博客
11.用神經網絡模擬化學反應
用神經網絡模擬化學反應_staple-CSDN博客
10.血紅素神經網絡
血紅素神經網絡_staple-CSDN博客
9.用神經網絡模擬分子
用神經網絡模擬分子_staple-CSDN博客
8.用神經網絡逼近一個無窮級數
用神經網絡逼近一個無窮級數_staple-CSDN博客
7.黎曼猜想的1/2和質子自旋的1/2會不會是一個數？
黎曼猜想的1/2和質子自旋的1/2會不會是一個數？_staple-CSDN博客
6.咒語
咒語_staple-CSDN博客
5.3*3卷積核 5*5卷積核到底有多大區別
3*3卷積核 5*5卷積核到底有多大區別_staple-CSDN博客_3*3卷積核
4.池化層對神經網絡的運算速度有什么影響
池化層對神經網絡的運算速度有什么影響_staple-CSDN博客
3.立體神經網絡模擬連續不完備系統
立體神經網絡模擬連續不完備系統_staple-CSDN博客
2.神經網絡模擬條件反射
神經網絡模擬條件反射_staple-CSDN博客
1.立體神經網絡
立體神經網絡_staple-CSDN博客_立體神經網絡
《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀總結
- 上一篇： 神经网络训练集与Fock矩阵
- 下一篇： excel数据库_中琅条码打印软件数据库