期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
动态概率神经网络及油气概率分布预测
被引量：
11
1
作者
徐旺林
庞雄奇
+1 位作者
吕淑英
Michael R Berthold
《石油地球物理勘探》
EI
CSCD
北大核心
2005年第1期65-70,共6页
传统概率神经网络(PNN)采用了前向径向基函数神经网络的局部化的、高斯型作用函数,虽然具有较好的分类能力,但也存在以下局限性:①如果学习样本增多,模式层的神经元个数也增多,导致运算矩阵的增大而使之几乎丧失处理大数据量实际资料的...
传统概率神经网络(PNN)采用了前向径向基函数神经网络的局部化的、高斯型作用函数,虽然具有较好的分类能力,但也存在以下局限性:①如果学习样本增多,模式层的神经元个数也增多,导致运算矩阵的增大而使之几乎丧失处理大数据量实际资料的能力;②模式层到求和层的权值固定为常数,必然要求学习集合中各类样本的数量相等,从而会影响其接受实际数据的能力。为此文中引入了动态概率神经网络(DPNN),它与传统PNN在结构上的区别在于:①模式层到求和层不以等权连接,权值由学习样本集的概率分布所确定;②学习样本集中各类样本的数量(各类在模式层的神经元个数)可以不相等。文中还介绍了DPNN算法。理论数据测试充分展示了DPNN结构具有动态调整、学习收敛快速、分类识别能力强大等特点。通过选取G油田实际资料的22种属性作为网络的输入向量,用DPNN进行分类识别得到了含油气概率分布图,可为预测有利油气圈闭及油水分布规律提供依据。
展开更多
关键词
实际
分类能力
个数
模式
求和
相等
集合
动态
预测
概率分布
在线阅读
下载PDF
职称材料
题名
动态概率神经网络及油气概率分布预测
被引量：
11
1
作者
徐旺林
庞雄奇
吕淑英
Michael R Berthold
机构
北京昌平石油
大学
盆地与油藏研究中心
石油
大学
盆地与油藏研究中心
海顿新科技术有限公司
konstanz大学
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2005年第1期65-70,共6页
文摘
传统概率神经网络(PNN)采用了前向径向基函数神经网络的局部化的、高斯型作用函数,虽然具有较好的分类能力,但也存在以下局限性:①如果学习样本增多,模式层的神经元个数也增多,导致运算矩阵的增大而使之几乎丧失处理大数据量实际资料的能力;②模式层到求和层的权值固定为常数,必然要求学习集合中各类样本的数量相等,从而会影响其接受实际数据的能力。为此文中引入了动态概率神经网络(DPNN),它与传统PNN在结构上的区别在于:①模式层到求和层不以等权连接,权值由学习样本集的概率分布所确定;②学习样本集中各类样本的数量(各类在模式层的神经元个数)可以不相等。文中还介绍了DPNN算法。理论数据测试充分展示了DPNN结构具有动态调整、学习收敛快速、分类识别能力强大等特点。通过选取G油田实际资料的22种属性作为网络的输入向量,用DPNN进行分类识别得到了含油气概率分布图,可为预测有利油气圈闭及油水分布规律提供依据。
关键词
实际
分类能力
个数
模式
求和
相等
集合
动态
预测
概率分布
Keywords
dynamic probabilistic neural network, seismic attributes,pattern recognition
分类号
TE122 [石油与天然气工程—油气勘探]
G633 [文化科学—教育学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
动态概率神经网络及油气概率分布预测
徐旺林
庞雄奇
吕淑英
Michael R Berthold
《石油地球物理勘探》
EI
CSCD
北大核心
2005
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
