神经网络训练集与Fock矩阵

如果将神经网络的训练集理解成哈密顿量&＃xff0c;但是哈密顿算符并不是矩阵形式&＃xff0c;比如拉普拉斯算符

而神经网络的训练集都是矩阵&＃xff0c;如何才能将数学解析式变成矩阵的形式&＃xff1f;

一种可能的办法是Fock矩阵方法&＃xff0c;比如假设波函数

其中Φ是已知的&＃xff0c;c是待定系数

这个表达式中只有E和c是变量&＃xff0c;h是已知的。也就是无论哈密顿算符和波函数的解析式是什么形式&＃xff0c;能级都可以表达成3个实数的积。

如果考虑的不是一个电子而是很多的电子&＃xff0c;就要考虑所有电子之间的相互作用&＃xff0c;就会得到一个矩阵形式的能量表达式

其中F就是Fock矩阵&＃xff0c;由训练集表达&＃xff0c;而c就是权重。

对于一个二分类网络就是

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

让由训练集A和B共同表达的Fock矩阵对角化的过程。