-
题名关于连续过程神经元网络的一些理论问题
被引量：34
- 1
-
-
作者
许少华
何新贵
刘坤
王兵
-
机构
北京大学信息科学技术学院
大庆石油学院计算机与信息技术学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2006年第10期1838-1841,共4页
-
基金
国家自然科学基金(No.60373102)
-
文摘
针对输入/输出均为连续时间函数的非线性系统信号处理和建模问题,提出了一种连续过程神经元和过程神经元网络模型.连续过程神经元的输入/输出均为连续时间函数,其时空聚合运算能同时反映连续时变输入信号的空间聚合作用和输入过程中的时间累积效应,可实现输入/输出之间非线性实时或若干时间单元延迟的映射关系.文中给出了一种输入输出均为连续时间函数的前馈过程神经元网络模型,并证明了相应的连续性,函数逼近能力和计算能力等性质定理.
-
关键词
时变输人输出系统
连续过程神经元网络
函数逼近能力
计算能力
连续性
-
Keywords
system with time-varied input and output
continuous process neural networks
function approximation ability
computational capacity
continuity
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种过程神经元网络模型及其在动态预测中的应用
被引量：4
- 2
-
-
作者
刘显德
刘立伟
许少华
周继
-
机构
大庆石油学院计算机与信息技术学院
大庆油田创业集团井田实业公司
-
出处
《大庆石油学院学报》
CAS
北大核心
2008年第4期107-110,140,共4页
-
基金
黑龙江省普通高等学校骨干教师创新能力资助计划项目(1055G002)
黑龙江省自然科学基金(ZA2006-11)
黑龙江省科技攻关项目(GZ07A103)
-
文摘
针对非线性动态系统过程预测问题,提出一种满足时变信号预测机制的过程神经元网络模型.该网络模型的输入/输出以及连接权均可以是时变函数,其空间、时间聚合运算能同时反映时变输入信号的空间聚合作用和输入过程中的阶段时间累积效应.通过对训练函数样本集的学习,网络可自动辨识动态系统的信息变换特性和输入输出关系,在机制上对时变信号预测问题具有良好的适应性.给出基于函数基展开结合LMS的学习算法,仿真实验结果验证了模型和算法的有效性.
-
关键词
非线性动态系统
过程神经元网络
预测模型
学习算法
应用
-
Keywords
nonlinear dynamic system
process neural networks
forecasting model
learning algorithm
application
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于小波包分析和过程神经元网络的水淹层识别方法
被引量：5
- 3
-
-
作者
刘金月
许少华
-
机构
大庆石油学院计算机与信息技术学院
-
出处
《大庆石油学院学报》
CAS
北大核心
2008年第1期74-76,共3页
-
文摘
针对复杂时变信号模式识别,提出一种采用小波包变换和过程神经元网络进行水淹层识别的方法.该方法利用小波包分析具有的多分辨率特性,能有效滤掉噪声信号,从而保证有用信号时-频特征完整提取.根据过程神经元网络具有的时空二维信息处理及非线性映射能力,以其作为模式分类器,将滤波后的时变信号输入分类器中,可直接对时变信号进行模式分类.将该方法应用于油田开发测井曲线油层水淹状况识别,并给出具体的算法步骤.应用结果表明,该方法的识别效果较好.
-
关键词
小波包变换
过程神经元网络
水淹层识别
测井曲线
-
Keywords
wavelet packet analysis
process neural networks
recognition of water layer
logging curves
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于LVQ过程神经元网络的储层岩性识别
被引量：2
- 4
-
-
作者
李学贵
许少华
赵恩涛
赵玲
-
机构
东北石油大学计算机与信息技术学院
山东科技大学计算机科学与工程学院
大庆油田采油一厂地质大队
-
出处
《吉林大学学报（信息科学版）》
CAS
2017年第4期398-404,共7页
-
基金
国家自然科学基金资助项目(61402099)
-
文摘
针对基于取心井岩心分析数据和测井过程数据的储层岩性判别问题,建立了一类学习向量量化过程神经元网络模型(LVQ-PNN:Learning Vector Quantization Process Neural Network)。该模型通过增加输出层,扩展了自组织过程神经元网络的深度结构;采用无监督竞争与有教师示教相结合的算法策略,提高了多维信号特征的自适应提取和自组织综合能力。实验证明,该方法具有较好的岩性特征综合和辨识能力,岩性识别率达到了84.7%。
-
关键词
过程神经元网络
学习向量量化
岩性识别
-
Keywords
process neural network
learning vector quantization
lithology discrimination
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名连续小波过程神经元网络在非线性函数逼近的应用
- 5
-
-
作者
刘金月
祝宝玲
-
机构
东北石油大学计算机与信息技术学院
吉林油田公司天然气地面工程建设项目经理部
-
出处
《长春理工大学学报（自然科学版）》
2010年第3期140-141,158,共3页
-
文摘
建立基于BP网络的连续小波过程神经元网络模型,分析网络拓扑结构,给出学习算法。模型根据网络逼近函数特性,选取Morlet函数作为隐层结点激励函数,利用LMS算法训练网络权值、尺度因子和平移因子,输出层采用线性函数,使网络兼具过程神经元网络和小波变换优点。分别用连续小波过程神经元网络和BP网络逼近同一非线性函数,仿真结果表明,小波网络逼近精度明显优于BP网络。
-
关键词
小波变换
过程神经元网络
函数逼近
-
Keywords
wavelet transform
process neural networks
function approximation
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于小波变换遗传过程神经元网络的交通流预测
- 6
-
-
作者
高为
-
机构
广东广珠西线高速公路有限公司
-
出处
《山西建筑》
2014年第3期160-162,共3页
-
文摘
针对短时交通流时间序列的缺点,应用小波变换理论,将含有综合信息的时间序列分离为低频确定信号和高频干扰信号,用遗传过程神经元网络分别进行预测,得到了原时间序列的实际预测结果,通过实测数据验证表明,该预测方法具有较好的预测精度。
-
关键词
短时交通流预测
小波变换
过程神经元网络
-
Keywords
short-time traffie flow prediction, wavelet transformation, process neural networks
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
-
题名一种基于混合误差梯度下降算法的过程神经网络训练
被引量：11
- 7
-
-
作者
许少华
宋美玲
许辰
朱新宁
-
机构
东北石油大学计算机与信息技术学院
-
出处
《东北石油大学学报》
CAS
北大核心
2014年第4期92-96,11-12,共5页
-
基金
国家自然科学基金项目(61170132)
-
文摘
针对过程神经网络(PNN)单一训练算法自适应调整能力差、缺乏对学习性质有效控制的问题,提出一种梯度下降与牛顿迭代相结合的求解算法——混合误差梯度下降算法.在训练初始阶段,基于网络训练目标函数,采用梯度下降法进行迭代寻优,只需计算目标函数一阶导数数值公式,复杂度低且误差下降快;当梯度下降法学习效率降低时,引入牛顿迭代法,并将梯度下降法的训练结果作为初始参数代入目标函数,使问题转化为求解非线性方程组,不需要一维搜索而提高网络训练效率.通过学习效率分析自适应调节两种算法的切换,直至满足停机条件.将其应用于时变信号模式分类,实验结果表明,该算法较大地提高PNN训练效率.
-
关键词
过程神经元网络
算法效率
牛顿迭代法
梯度下降法
混合误差梯度下降算法
-
Keywords
process neural networks
algorithm efficiency
Newton iteration algorithm
gradient algorithm
Hybrid error gradient descent algorithm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种基于DPNN的Markov链等效状态转移模型
- 8
-
-
作者
许少华
李欢
谢桐瑜
-
机构
大庆石油学院计算机与信息技术学院
-
出处
《大庆石油学院学报》
CAS
北大核心
2008年第4期114-117,共4页
-
基金
黑龙江省自然科学基金(ZA2006-11)
黑龙江省科技攻关项目(GZ07A103)
黑龙江省普通高等学校骨干教师创新能力资助计划项目(1055G002)
-
文摘
针对Markov链状态转移预测,提出一种基于离散过程神经元网络(DPNN)的等效状态转移预测方法和模型,探讨DPNN与Markov模型在一定条件下对于系统状态转移特性描述的等价性问题.利用DPNN对时间序列样本的非线性映射机制和自适应学习能力,可通过对时间序列样本集的训练,确定满足Markov链时间序列状态转移约束关系的DPNN,并将其连接权矩阵作为Markov链等效状态转移矩阵.对于任意的Markov链,给出与之等效DPNN的构建方法和在Markov链状态转移概率条件约束下的网络权值矩阵求解算法,仿真实验结果验证了方法的有效性.
-
关键词
MARKOV链
状态转移
离散过程神经元网络
学习算法
应用
-
Keywords
Markova chain
state transition
discrete process neural networks
learning algorithm
application
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
