《人工神经网络及其在石油勘探中的应用》求取 ⇩

第一章 诸论1

1．1 人工智能的发展概况及其特点1

1．2 石油勘探信息的特点2

1．3 人工智能技术在石油勘探信息处理中应用的前景3

第二章 人工神经网络及其在石油勘探中的应用5

2．1 绪论5

2．1．1 引言5

2．1．2 从大脑神经元到人工神经元7

2．1．3 人工神经网络的发展简史及几种主要的神经网络9

2．1．4 人工神经网络构成的基本原理11

2．1．4．1 Rumelhart的PDP模型11

2．1．4．2 神经元功能函数12

2．1．4．3 神经元之间的联接形式14

2．1．4．4 学习(训练)16

2．2 几种典型的人工神经网络18

2．2．1 前向人工神经网络18

2．2．1．1 概述18

2．2．1．2．1 感知器学习算法21

2．2．1．2 感知器21

2．2．1．2．2 多层感知器22

2．2．1．2．3 梯度算法23

2．2．1．2．4 多层感知器学习的定量分析25

2．2．1．3 BP(Back Propagation)反向传播网络27

2．2．1．3．1 S型神经元的BP算法27

2．2．1．3．2 反向传播算法的理论分析——δ算法30

2．2．1．3．3 BP型多层阿络的生物物理学基础31

2．2．1．3．4 BP网络的应用实例33

2．2．1．3．5 BP型前向网络的改进方法35

2．2．1．4 ADALINE和MADALINE神经网络37

2．2．2 反馈式神经网络41

2．2．2．1 Hopfield人工神经网络41

2．2．2．1．1 概述41

2．2．2．1．2 Hopfield人工神经网络电路模型及其能量函数42

2．2．2．1．3 Hopfield人工神经网络用于求解TSP45

2．2．2．1．4 Hopfield人工神经网络用于联想记忆49

2．2．2．1．5 稳定性与吸引子53

2．2．2．2 双向联想记忆神经网络(BAM：Bidirectional Associative Memory)60

2．2．3．1 按照自适应谐振理论(ART)构成自组织神经网络65

2．2．3．1．1 概述65

2．2．3 自组织神经网络65

2．2．3．1．2 竞争学习机制和自稳学习机制66

2．2．3．1．3 ART-1神经网络70

2．2．3．2 自组织特征映射74

2．2．3．3 CPN模型76

2．2．4 Neocognitron模型——福岛模型80

2．3 人工神经网络在石油勘探中的应用82

2．3．1 应用BP神经网络提取地震记录中的初至波83

2．3．2 应用NN识别势场特征87

2．3．3 应用NN识别地震模式91

2．3．4 应用BAM网络分析石油储层损害情况92

第三章 模糊聚类方法及其在石油勘探中的应用97

3．1 概述97

3．2 几个基本概念98

3．2．1 样品与特征98

3．2．1．1 样品与特征98

3．2．1．2 均值与方差100

3，2．1．3 距离与相关系数103

3．2．1．4 资料的标准化104

3．2．2．1 聚类105

3．2．2 聚类、分类和特征选择105

3．2．2．2 分类判别108

3．2．2．3 特征选择111

3．2．3 K均值聚类方法112

3．3 模糊数学的基本概念115

3．3．1 几个概念115

3．3．2 模糊集合与隶属度121

3．4 利用模糊关系的系统聚类法123

3．4．1 实例123

3．4．2 几点补充说明123

3．5．1 基本的模糊K——均值法127

3．5 模糊K——均值法127

3．5．2 采用加权距离的模糊聚类法129

3．5．2．1 使用模糊协方差矩阵的聚类算法129

3．5．2．2 模糊K——簇算法132

3．6 模糊聚类法在地震资料处理中的应用137

3．6．1 概述137

3．6．2 模糊式混合聚类法137

3．6．2．1 模糊式混合聚类法137

3．6．2．2 模糊式混合聚类算法139

3．6．3 模糊聚类法在地震资料处理中应用实例及效果分析139