多层神经网络学习算法的研究

本文对多层神经网络的反向传播算法作了简要的分析和讨论,据此提出了一种新的学习算法用以消除多层网络的“迟钝状态”。实验结果表明,这种新算法能够加速学习收敛速度并避免陷入局部极小。     

构造性神经网络在测井岩性识别中的应用

测井岩性识别是石油勘探中十分重要的基础工作,准确的岩性识别结果可以为勘探和开发提供可靠的依据。人工神经网络方法可对复杂的高维数据进行非线性映射,在模式识别领域得到越来越广泛的应用。针对传统的BP神经网络算法存在收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法---级联算法（Cascade Correlation Algorithm,简称CC算法）及其在石油工程中的应用。采用该算法对甘肃镇原-泾川地区进行岩性识别研究,通过与BP神经网络的识别结果进行比较,体现出构造性神经网络的优越性。     

改进的BP神经网络在电子器件可靠性参数预测中的应用

提出一种基于BP神经网络的电子器件可靠性参数预测的新方法。以具体实验数据为例,以MATLAB中的神经网络工具箱为工具,采用了改进的BP神经网络,并对其设计方案进行了详细的分析说明,发现动量参数和学习率对训练次数的影响都很小;采用双隐含层比单隐含层训练更稳定,收敛的也更快速,同时给出了理想的学习方案。最后通过实验验证了该方法的有效性。     

The risk early-warning of gas hazard in coal mine based on Rough Set-neural network

This article proposed the risk early-warning model of gas hazard based on Rough Set and neural network. The attribute quantity was reduced by Rough Set, the main characteristic attributes were withdrawn, the complexity of neural network system and the computing time was reduced, as well. Because of fault-tolerant ability, parallel processing ability, anti-jamming ability and processing non-linear problem ability of neural network system, the methods of Rough Set and neural network were combined. The examples research indicate： applying Rough Set and BP neural network to the gas hazard risk early-warning coal mines in coal mine, the BPNN structure is greatly simplified, the network computation quantity is reduced and the convergence rate is speed up.     

基于动态神经网络的柴油机建模研究

针对全柴推进系统仿真中主柴油机输出扭矩的预测问题，分析了输出扭矩的影响因素，在实验室试车台记录数据的基础上，利用小波分析方法对带噪声的原始信号进行预处理，运用Elman动态递归神经网络建立了用于柴油机输出扭矩预测的控制模型。     

线性分组码的神经网络译码

介绍了神经网络与线性分组码之间的关系，并在文献[1]的基础上证明了软判决译码与求解能量函数最大值之间的等价性，然后以(7，4，3)汉明码为例介绍了神经网络在循环码硬判决、软判决译码中的应用。     

基于地震属性分析的地层孔隙压力钻前预测模型

钻前准确预测地层孔隙压力是进行井壁稳定状态分析的基础。基于地震和测井信息间的密切联系，提出了利用地震属性预测孔隙压力的新方法。通过神经网络建立已钻井段的井旁地震属性和声波时差测井数据之间的非线性关系模型，以此模型为基础预测未钻地层的声波速度。利用预测结果结合岩石力学模型得到垂直有效应力，最后根据有效应力原理计算地层孔隙压力。该方法有效克服了传统的地震层速度预测模型的不足之处，在油田的实际应用中取得了良好的效果，尤其适用于在勘探新区进行孔隙压力预测。     

利用地震属性钻前预测井壁稳定性

钻前准确预测井壁稳定性是防止钻进过程中井壁失稳的有效手段。声波时差和地层密度是井壁稳定分析的两个关键参数。根据地震记录与地层声波时差及密度之间存在的非线性关系，提出了利用地震属性钻前预测井壁稳定性的方法。从井旁地震记录中提取地震属性，通过RBF神经网络在已钻井段的地震属性与声波时差及密度之间建立起映射模型，以此为基础预测待钻地层的声波时差和密度。运用预测结果结合井壁稳定力学模型，确定岩石力学参数和地应力状态，计算井壁坍塌压力和破裂压力，确定安全钻井液密度窗口，实现钻前井壁稳定预测。该方法在塔里木油田的应用中取得了良好的预测效果。     

IEEE802.11g研究综述

全面介绍了IEEE802.11g标准的WLAN，详细讲述了IEEE802.11g草案标准的概念、特点、构件及体系结构、发展前景等，并探讨了实现IEEE802.11g WLAN所需的几项关键技术，同时分析了IEEE802.11g标准的网络性能。其关键技术包括直序列扩频调制技术及补码键控技术，包二进制卷积，正交频分复用技术等。有关IEEE802.11g的兼容性，同频共存性，自身的OFDM问题分析将成为研究的热点。