混合学习系统的模型

符号学习和人工神经网络学习是机器学习的两种不同途径，综合运用这两类学习方法可以增强学习系统的能力。本文分析了主要的几种混合学习策略，并介绍了混合型学习系统ＨＬＳＤ中采用的集成方法。     

无约束淬火机目标温度神经网络预报

淬火、控制冷却的冷却速度和目标温度是关系到钢板性能的关键因素 ,但由于冷却过程的水量、水温、辊道速度等对冷却目标温度的影响属多变量非线性过程 ,用简单的解析模型通常精度较低 ,难以达到精确控制的要求。采用人工神经网络技术对无约束淬火机目标温度进行快速预报 ,结果表明 ,预测精度高 ,快速准确     

一种钻头选型的新方法

目前钻头选择依据是参考邻井应用的类似钻头的性能。由于地层特性、钻井液性能的不同 ,钻头设计和施工参数之间的联系很难搞清 ,于是设计了一种三层人工神经网络 ,带有两个隐式单元的反向传播结构是预测最优钻头的最有效的神经网络结构。这个新模型已成功地给一些油田预测了钻头类型。预测类型和现场实际应用钻头类型的相关系数为 0 85 7～0 975     

遗传神经网络在水淹层识别中的应用

本文利用遗传神经网络实现了水淹层的自动识别。根据关键井的统计数据,首先建立起标准的流体测井相数据库,合理地划分储层水淹级别。然后利用遗传神经网络对已知样本进行训练,识别水淹层。遗传神经网络比简单的BP神经网络性强,收敛速度快。用训练好的遗传神经网络对研究工区的水淹情况进行研究,取得了较好的效果。     

遗传BP神经网络在深基坑开挖监测中的应用

地铁车站等深基坑开挖施工中监测数据处理极其复杂，其经验多于理论。有鉴于此，本文提出了神经网络的处理模型，并用将遗传算法和BP最优化方法相结合所产生的一种高效率，高精度的算法来训练网络，并比较了各类训练网络方法的优缺点，由于测量数据存在误差，所以本文又着重分析了误差在网络中的前向传播与可控制性，首次提出了工程应用中网络的初值稳定性问题，最后对某地铁车站的开挖监测进行了实例分析。     

电液比例复合量泵神经网络控制的研究

提出一种基于模糊神经网络的电液复合控制变量泵调节系统智能学习控制方法，并将其应用于电液比例复合调节轴向柱塞变量泵的恒排量、恒流量、恒压力和恒功率调节系统的控制中。实验结果证明，所提出的控制方法是有效的，较传统的PID控制方法具有更优良的控制品质。     

异联想IPA模型,高阶异联想IPA模型以及光学实现

本文提出了异联想interpattern association模型,高阶异联想IPA模型的构成方法,并讨论了它们光学实现的结构,特别是高阶神经网络光学实现的一种新的紧凑结构。