基于前馈神经网络井控多属性融合的断裂识别方法

塔里木盆地碳酸盐岩断控缝洞型油气藏埋藏深度大、构造复杂,且断裂高度发育,断裂是研究区域内成藏主控因素及可能的油气运移通道,对其空间展布位置及发育强弱的预测至关重要。断裂检测属性众多,不同断裂检测属性由于计算方法不同表征的断裂尺度及特征存在一定的差异性,且常规属性检测忽视了测井信息的利用与约束,为了获取更加全面、准确的断裂预测结果,本文优选多类断裂检测属性,并结合测井数据作为先验信息,利用前馈神经网络算法进行属性融合。首先优选AFE、likelihood、倾角等多类具有不同特征的断裂属性,结合测井放空漏失数据、成像测井信息及地震同相轴错段情况作为断裂发育类型判别条件建立了断裂特征识别样本库;在样本库基础上进行深度前馈神经网络训练,对比测试了不同隐含层深度条件下的学习效果,获取预测误差最小的神经网络预测模型;最后将神经网络预测模型应用于全工区断裂预测。经对比分析,认为深度学习融合属性预测断裂与测井解释结果更为吻合,且能综合不同尺度特征的断裂信息,有效提升了预测准确度和可靠性。

基于多层前馈神经网络的并联型电能质量控制器

神经网络用于电力系统电能质量分析和控制是一个新研究领域。快速可靠地提取谐波分量决定着并联型电能质量控制器的整体性能,构造了一种和理论分析相一致的基于反向传播算法的三层前馈神经网络,离线训练收敛后可用来在线检测电力系统谐波电流。系统中逆变器补偿电流的产生对系统的补偿性能至关重要,提出了一种基于神经网络的逆变器瞬时电流PWM控制。并联型电能质量控制器投入系统后电流总畸变率由26.29%下降为5.25%。仿真实例表明,所提并联型电能质量控制器动态响应快,可改善电力系统电流波形畸变,提高电能质量。

混合前馈型神经网络在入侵检测中的应用研究

提出一种基于混沌神经元的混合前馈型神经网络,用于检测复杂的网络入侵模式.这种神经网络具有混沌神经元的延时、收集、思维和分类的功能,避免了MLP神经网络仅能识别网络中当前的滥用入侵行为的弱点.对混合网络进行训练后,将该网络用于滥用入侵检测.使用DARPA数据集对该方法进行评估,结果表明该方法可有效地提高对具备延时特性的Probe和DOS入侵的检测性能.

基于改进型遗传算法的前馈神经网络优化设计

阐明了遗传算法和神经网络结合的可行性,提出了一种改进的面向神经网络权值学习的遗传算法。通过对XOR问题的实验,显示出其快速学习网络权值的能力,且能摆脱局部极值的困扰和初始权值的限制从各方面都表现出优于标准遗传算法和BP算法的性能。

改进的前馈型神经网络模型在承压水漏斗水位预报中的应用

建立了以改进Powell法优化的前馈型神经网络模型 ,模型既具有强大的函数逼近功能 ,又克服了传统神经网络优化方法的缺点。将神经网络模型用于承压水漏斗的动态水位预报 ,实例表明 :模型预报效果较好。

基于前馈型神经网络股价预测的一点改进

为减小预测误差,目前的方法是:选择对股价有显著影响的输入变量、调整网络结构及选择合适的参数、优化学习算法,这些方法都是以实际股价作为网络的预测。提出以相邻两天的股价差价作为网络的预测,在相同的数据上分别建立股价预测模型和股价的差价预测模型,并对它们的结果进行对比分析。结果表明差价预测模型的预测误差小、预测效果好。

对前馈型神经网络股价预测的一点改进

为减小预测误差,目前的方法是:选择对股价有显著影响的输入变量;调整网络结构及选择合适的参数;优化学习算法.这些方法都是以实际股价作为网络的预测.本文提出的方法是以相邻两天的股价差价作为网络的预测.本文在相同的数据上分别建立股价预测模型和股价的差价预测模型,并对它们的结果进行对比分析,结果表明差价预测模型的预测误差小,预测效果好.

新激活函数下前馈型神经网络及其在天气预报中的应用

本文为提高基于ＢＰ算法的人工神经元网络的学习速度，提出新组合激活函数并取得了显著效果的基础上，又应用于天气预报中，并与基于ＢＰ算法的神经网络（标准和带动量项）以及多自适应线性单元的神经元网络进行仿真比较，在预报准确率和学习速度方面获得了令人比较满意的结果．本模拟程序在Ｔｕｒｂｏ－Ｐａｓｃａｌ／６．０环境下编制，在ＩＢＭＰＣ３８６和４８６机器上调试通过并运行．

前馈型神经网络容错性研究的现状和展望

本文首先明确具体地给出了前馈型神经网络(以下简称前馈网络)容错性的基本概念及其研究内容,进而系统地对前馈网络容错性研究的各种分析和设计方法进行了简要的介绍和评述。最后提出了前馈网络容错性有待进一步研究的若干主要问题。

基于BP和统计的混合法前馈型神经网络及其应用

为避免ＢＰ算法本身易陷入局部极小值的缺陷，本文将具有新组合激活函数的ＢＰ法与传统的ＢＰ方法（标准和带动量项）分别与统计最优化方法相结合组成混合算法，将他们分别应用于天气预报和贷款之中，并进行了仿真比较，在预报准确率和学习速度方面获得了比较满意的结果．本模拟程序在Ｔｕｒｂｏ－Ｐａｓｃａ／６．０环境下编制，在ＩＢＭＰＣ３８６和４８６机器上调试通过并运行．

三层前馈型神经网络的最佳逼近研究

本文研究三层前馈型神经网络的最佳逼近能力，我们证明以多项式函数为隐层神经元作用函数的三层前馈型神经网络，当隐层神经元的个数超过某个给定的界限时，网络的输入输出函数张成一有限维线性空间，从而它可以实现对Ｃ（Ｋ）的最佳逼近．并且猜测，对非多项式函数的作用函数，若神经元个数有限，则它不具有最佳逼近性质．

基于免疫遗传神经网络的CRM数据挖掘模型的设计与实现

客户分类是智能CR M系统的一个重要功能。该文提出使用前馈型神经网络构作一个CRM客户分类模型的思想,并用免疫遗传算法对其进行优化。在染色体设计上提出了三层结构的染色体,解决单层结构染色体中,短基因组实际变异机率过小的问题,促使子代种群有更好的“生物多样性”。最后通过实验证明模型有较好的客户类别识别率及优点。

基于前馈型神经网络解线性Fredholm积分-微分方程

为了研究积分微分方程的数值解,构造了一种前馈型神经网络用于求解Fredholm积分微分方程近似解。首先,运用Taylor展开式近似代替未知函数,神经网络的误差由内部误差和边界误差组成。其次,应用神经网络对Taylor展开式的系数进行学习从而得到近似解。最后,与梯形求积规则(Trapezoidal Quadrature Rule,TQR)数值方法进行比较,验证了提出方法的可行性与有效性。

基于小波变换的前馈神经网络在电器优化中的应用

利用基于小波变换的单隐层前馈型神经网络，模似任意复杂的非线性映射，针对电磁机构的优化问题，使用来自有限元分析的训练信息，通过选取一簇适当的紧支正交小波基函数，合成具有一定拓朴结构的小波网络，且对网络的训练过程是一个凸函数的最优化过程，从而能得到全局最优解，学习的收敛速度很快．我们将之应用于交流真空接触器直流激磁系统的优化设计中，取得了较好的效果．

基于单隐层前馈神经网络的合金裂纹诊断技术

给出一种基于单隐层前馈神经网络的合金裂纹诊断技术。首先,建立一个具有单隐层结构的输入输出模型来表示合金裂纹增长过程。然后,利用超限学习机对网络进行训练,即在合适的范围内随机给定网络的内权,对外权则通过最小二乘法来进行全局优化,从而实现对合金裂纹增长的诊断和预测。

三相变流器的模糊PI神经网络控制研究

提出了一种神经网络电流内环控制加混合模糊PI电压外环控制的双环控制结构。对三相电压型可逆变流器系统而言,神经网络电流内环控制使系统具有更强的鲁棒性,混合模糊PI电压外环控制加快了系统的响应速度。为了增强系统的抗扰性能还引入了电流前馈控制。最后通过仿真及试验验证了控制方案的正确性与可行性。

人工神经网络技术在专家决策系统中应用的一种尝试

本文就神经网络技术的特点及其在专家决策系统中应用，提出了个人的思路。

用正则化神经网络预测储层渗透率

本文详细的讨论了在油气勘探领域应用最多的前馈型神经网络方法。针对前馈型神经网络所用的传统误差反传算法不足,提出正则化方法。该方法通过贝叶斯方法近似训练样本的真实分布,自动调节正则化参数。文章用神经网络拟合函数和用神经网络根据测井曲线预测储层渗透率,并对传统方法和正则化化方法作了比较,验证了正则化方法能有效地减小网络权值,提高网络的推广性能。

人工神经网络与光学互连

当引线互连已成为限制计算机芯片集成度和速度的障碍时,光学互连则更具有吸引力,特别是对人工神经网络。

三元XOR问题的神经网络学习

一个给定的神经网络能否学习一个给定的样本集一直是一个有趣的问题.对于单隐层前馈神经网络,当隐层神经元的数量和样本的数量相等时,这个问题是平凡的.而对于隐层神经元的数量少于样本数量这种情况,相关讨论还很少,值得更多的关注和研究.本文关于这个问题提出了一种方法,并将其应用到三元XOR问题中,给出了一些初步结果.