【发布时间】：2020-03-21 12:55:51
【问题描述】：
我正在尝试复制一个神经网络来计算分子的能量（下图）。能量是键合/非键合相互作用和角/二面角应变的总和。我有 4 个独立的神经网络，可以找出每个神经网络产生的能量，总能量是每次相互作用产生的能量之和，可能有 100 个。在我的数据集中，我只知道总能量。
如果我的总能量是在不同的神经网络上使用多个（未知数，由分子决定）正向位置计算的，我如何让 keras 通过动态构造的总和进行反向传播。非 keras 的 Tensorflow 方法也可以。 （如果我事先知道会有多少键，我就会把神经网络的输出加在一起，问题是必须在运行时展开神经网络的副本）。
总而言之，问题是：“如何实现动态展开并将其提供给 Keras 中的总和？”。
【问题讨论】：
-
你试过什么？就您目前的问题而言，没有太多要回答的。
-
我现在什么都没有，我知道 RNN 会实时展开神经网络，但这里我需要实时展开常规 Dense 网络。我只需要语法，我知道如何使用 numpy 来实现。
-
基本上，我的想法是，一旦我一直向前 POS 并生成最终结果，反向传播将均匀地传递到所有原始网络，任何 sum 函数反向传播。但我想干净利落地做这件事，而不是编写很多东西，论文还说他们使用 Keras 进行管理。有什么语法提示吗？
标签： tensorflow machine-learning keras neural-network backpropagation