神经网络在计算机网络安全评价中的应用研究

本文通过对神经网络在计算机网络安全评价中的应用研究课题的探讨,对神经网络以及网络安全等进行了阐发,对神经网络在计算机网络安全评价中的应用以及意义进行了深入的分析.     

神经网络在图像处理中的应用

近几年，随着神经网络理论的深入研究，神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识，各种神经网络模型在图像处理领域中得到了广泛的应用．本文对各种流行的神经网络模型在图像处理领域中的应用进行了汇总，根据图像处理的具体内容对这些应用进行分类叙述，阐明了神经网络技术在图像处理领域中的优点和不足之处，并对将来神经网络技术在图像处理领域中的应用提出了几点期望．     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用,并对目前几种较重要的神经网络控制现状进行了评述,最后对神经网络控制的发展作了展望。     

规则与统计结合的双子网智能神经网络入侵检测系统

本文设计了一种新的智能神经网络入侵检测系统,结合规则检测与统计分析两种方式对神经网络输入学习与检测,双子网运行,以专家库预处理方式对规则输入进行调整,以SNORT检测结果对神经网络进行训练。通过结合成熟产品的手段,为神经网络在其实际产品中的应用提供了可能,并为神经网络在其他安全产品中的使用提供了思路。     

基于神经网络集成技术构建IDSS知识库的研究

神经网络集成通过训练多个神经网络并将其结果进行合成,可以显著地提高学习系统的泛化能力,有助于工程技术人员利用神经网络技术来解决真实世界中的问题。在分析智能决策支持系统（IDSS）目前面临问题基础上,论述了神经网络集成实现的方法,对神经网络集成技术在构建IDSS知识库中的应用进行了研究,并成功进行了实现。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

规则检测下基于虚拟机运行的神经网络入侵检测模型研究

目前进行研究的用于入侵检测的各种神经网络仍存在一些结构性的缺点,本文在分析这些缺点的基础上,提出了规则检测下基于虚拟机运行的神经网络入侵检测模型SA_NNIDS。通过构建虚拟机对入侵数据进行转化提取,以SNORT检测结果对神经网络进行训练,综合利用异常检测和误用检测模式,双系统运行,综合提高了检测效率。为神经网络在其实际产品中的应用提供了可能,并为神经网络在其他安全产品中的使用提供了思路。     

神经网络在网络通信中的应用研究

根据神经网络的原理和特点,说明在网络通信中采用神经网络技术进行应用研究的优势,并根据其特点从三个方面介绍了神经网络在网络通信中的应用,最后分析目前神经网络技术在网络通信中应用研究的现状和发展趋势。     

渗透率粗化在精细油藏描述中的应用研究

比较了渗透率粗化的几种算法,分析了在建立渗透率粗化模型过程中可能出现的问题,结合实例,建立了渗透率粗化模型,研究了渗透率粗化在精细油藏描述中的应用。     

智能控制的新进展(Ê )

对神经网络和遗传算法在控制和优化中的应用进行综述,着重讨论了模糊推理和神经网络的内在关系,并对智能控制的发展做了展望。     

贝叶斯正规化算法在油藏参数拟合方面的应用

通过已知测井资料对油藏储量进行预测,是目前石油行业一个重要的研究课题。文章介绍了一种基于贝叶斯正规化算法的BP神经网络,并把网络应用到油藏参数拟合过程中的具体方法,该方法对提高石油生产效率、降低成本具有很大的作用。     

基于BP神经网络的水库优化调度

在阐述神经网络基本原理及其改进的基础上,提出了建立水库优化调度函数的神经网络模型,利用该模型建立了水库优化调度函数。通过实例计算表明,模型计算结果基本能反映水库调度的实际情况,符合水库调度的规律,表明所建立的调度函数是合理可靠的;BP神经网络由于其较强的数据处理和映射功能,能准确地反映水库运行要素之间的复杂的非线性关系,所建立的水库调度函数适合于指导水库的调度运行。     

基于Bagging算法的水库水沙联合智能调度

水库水沙调度是一项非常复杂的综合性问题,存在大量的非线性关系。传统的调度方法往往难以达到满意的效果。该文提出了一种基于Bagging算法的水库调度方法。用神经网络建立水库调度预测函数,在此基础上,利用Bagging算法构造了基于神经网络的预测函数序列进行预测,预测的平均值用于水库调度。实验结果表明,符合实际情况,且具有明显的经济安全效益。     

油层识别与储层追踪决策支持系统开发与应用

研究针对油气勘查中油层识别与储层追踪问题的半结构化和非结构化特点，设计开发出以人工神经网络为核心技术的决策支持系统，并实际地应用于我国某油田的油气勘查问题中，试图为油层识别与储层追踪工作提供有力的辅助决策支持。     

基于小世界回声状态网的时间序列预测

为了提高时间序列的预测精度, 提出了利用改进的小世界网络优化泄露积分型回声状态网(Leaky-integrator echo state network, Leaky ESN)的时间序列预测方法. 首先提出一个改进型小世界网络, 其加边概率是节点间距离的负指数函数. 然后, 利用加边概率直接表示Leaky ESN储备池两个神经节点的连接权值, 取值范围为[0,1], 表征了节点间的连接程度. 利用这个新型小世界网络改进Leaky ESN的储备池神经节点的连接方式, 有目的地实现了稀疏连接, 减小了Leaky ESN储备池随机稀疏连接的盲目性, 提高了储备池的适应性.最后, 利用改进的Leaky ESN预测典型的非线性时间序列, 并利用Matlab仿真软件验证了本文提出方法的有效性. 与Leaky ESN相比, 本文提出的方法具有更高的预测精度和更短的训练时间.     

基于MLP和Sobol的注采连通情况判别

在油田实际生产中,注采连通情况是一个很难确定却又十分重要的问题,它对油田开发方案的制定、剩余油分布的描述具有重要意义。本文采用大港油田某油藏的生产动态资料,建立基于贝叶斯优化的MLP神经网络模型,使用Sobol敏感性分析方法计算敏感性系数,通过敏感性系数的大小定量评判注采连通情况的好坏,通过与示踪剂解释结果的对比进而验证该方法的有效性和可靠性。研究表明,建立的基于贝叶斯优化的MLP神经网络模型取得了较好的拟合效果,Sobol敏感性系数能有效评价注采连通情况,结果符合油藏的实际情况。     

基于自组织神经网络在油气分层中的研究

测井曲线的分层研究是勘探和开发油气资源的重要手段,也是认识油气层的地质面貌,以及剖析油气藏量内在规律的一种有力武器.该文介绍了一种基于自组织神经网络对测井曲线进行聚类自动分层的识别方法,它是一种通过网络自身的调节,从而对输入数据进行聚类的方法.该文采用某地区的油气层数据来建立网络模型,首先采用了插值的方法,消除该测井数...     

数据挖掘技术在水库调度中的研究与应用

水文预报对于水库调度、洪水控制、发电、灌溉等工作至关重要。从目前的研究情况看，各种传统的径流预报方法用于中长期径流预报时，预报精度都比较低。本文首先介绍了数据挖掘的基本知识，并将基于神经网络的数据挖掘方法应用于水文预报中，使用boosting回归算法建立数据挖掘模型，进而发现和挖掘水库调度的内在规律和潜在效能。     

基于滑动平均预处理的BP网络储层识别方法

在油气勘探开发领域的储层识别研究中,神经网络技术是一种有效的工具。根据BP神经网络的逼近原理,提出了基于滑动平均预处理的BP神经网络储层识别方法。首先对学习样本中的每一组样本数据按照一定规则选取近邻点,然后根据近邻点信息,使用滑动平均的方法进行预处理得到新的样本数据,最后使用新的学习样本训练BP网络,进行储层判识。实验结果表明,该方法具有简单、高效、学习速度快的优点,能极大提高识别速度和预测精度。     

改进PSO-BP神经网络对储层参数的动态预测研究

为提高BP神经网络的收敛速度和泛化能力,防止其陷入局部最优值,在前人工作基础上对传统粒子群算法进行了改进,具体包括：设定最大限制速度、改变惯性权重因子和改进适应度函数,并把改进粒子群算法应用于BP神经网络权值和阈值的优化。之后利用改进粒子群算法优化的BP神经网络实现对储层参数的动态预测,具体步骤为：确定神经网络的输入、输出神经元,定量化时间参数[T],利用训练样本构建神经网络模型并进行检验。最后通过平均训练误差对仿真过程进行分析,结果表明改进PSO-BP算法的收敛性与泛化能力均优于BP算法和PSO-BP算法。