Question

我正在尝试训练CNN来预测给定温度下2D Ising模型的地面（平衡）状态。本质上，方形矩阵是随机初始化的，具有两个可能的值。根据一套规则，系统会随着时间的推移发展到均衡状态。

问题在于基态取决于温度，CNN需要知道温度。是否有可能创建一个以温度和矩阵作为输入的CNN，并输出均衡？

如果重要的话，我打算使用Keras。

Answer 1

首先对单独的输入（例如卷积）进行操作，然后在输入最后的密集层之前将它们连接起来。

input_1 = Input(shape=(100, 100, 1), name="matrix")
input_2 = Input(shape=[1], name="temperature")

matrix = Conv2D(24, kernel_size = 3, strides = 2, padding='same', activation='relu')(input_1)

concat = Concatenate()([matrix, input_2])

dense_layer = Dense(512, activation='relu')(concat)
output = Dense(num_classes, activation='softmax')(dense_layer)

model = Model([input_1,input_2], output)

具有额外参数的卷积神经网络

1 个答案: