自组织特征映射神经网络在说话人识别中的应用

Mel频率倒谱系数MFCC在说话人识别中已被广泛使用。本文以MFCC为声音信号的特征参数提取的标准。识别部分采用自组织神经网络的方法进行建模,实验结果表明该方法有较高的识别率。     

神经网络技术在油田地质学领域中的应用——以测井岩性识别为例

论述了神经网络技术的原理、模型及其算法，并进一步指出了应用神经网络技术中的局限性和其相应的解决途径。其中包括有数据的准备、模式的扩展、隐层数目的选择和计算过程中涉及的权值、步长、动量因子、压缩因子的处理。最后以神经网络在测井岩性识别中的应用为例进行了论证。     

神经网络法在变质岩岩性识别中的应用

将神经网络方法引入到测井资料的处理和解释中,以辽河油田某取心井为实例,建立神经网络测井岩性识别模型,对混合花岗岩、混合片麻岩、角闪岩进行岩性识别预测。岩性识别正确率高达90%以上,说明了神经网络方法的有效性。     

自组织特征映射网络在储层识别中的应用

针对泌阳坳陷安棚油田下第三系致密砂岩储层低孔、低渗、高含水饱和度所造成储产层与非储产层在测井曲线上不易识别的特点，选用了自组织特征映射网络模型（ＳＯＭ），利用测井曲线参数，建立了安棚油田非常规储产层的预测识别模型。经验证，已知样本吻合率达８２．２％。     

量子神经网络在雷家地区岩性识别中的应用

雷家地区砂砾岩储层岩性复杂多变,因此准确的识别岩性对于储层参数的计算有着非常重要的意义。本文以量子神经网络为根据,建立了一种基于量子神经网络的岩性识别模型。并且将所建立的模型用于模拟雷家地区砂砾岩储层测井响应与不同岩性之间的映射关系,来实现复杂岩性条件下不同岩性的自动识别。     

应用模糊神经网络识别岩性

岩性识别在油气勘探开发中占据重要的位置.经过将高木-关野模糊逻辑系统和神经网络BP算法相互集成,提出了一种新兴的模糊神经网络模型——"加-乘"模糊神经网络模型,并通过实际应用得到了很好的效果.与单纯的神经网络或模糊逻辑系统相比,所提出的模糊神经系统既不是一个"黑盒"模型,又不是"粗糙",它同时具备了神经网络和模糊逻辑的优点,所以具有广泛的应用潜力.     

自组织神经网络在空中目标识别中的应用

本文研究了将自组织神经网络用于空中目标识别的方法,并基于此提出一个识别飞机及其诱饵红外图象的方案,提出目标表面的分形特征和熵特征,针对各特征量纲不统一,信息表达方式差异等特点,利用自组织神经网络来实现特征间的有效融合,实验表明,该方法具有较高的稳定性和准确性。     

一种遗传神经网络及其在岩性识别中的应用

针对ＢＰ网络存在易陷入局部极小和收敛速度慢的问题,本文根据遗传算法的特长,在网络学习算法中使用遗传算法,克服了上述弊端,在岩性识别的样本学习中,取得了较好的结果。     

多层神经网络在手写体数字识别中的应用

手写体数字识别是模式识别中的研究课题之一，本文对多层神经网络用于手写体数字识别进行了探讨。文中所采用的特征输入神经网络方法，通过模拟实验，取得了良好的效果。     

自组织特征映射神经网络的区域经济发展聚类分析

自组织特征映射(SOM)神经网络是无教师自组织、自学习网络,具有优良的数据聚类功能.基于选取的区域经济发展评价指标,对2006年我国31个省(地区)的综合经济实力进行聚类分析.结合主成分得分对聚类结果综合评价,实证效果较好.