非高斯噪声中信号的神经网络检测

论述了用多层感知器神经网络检测非高斯噪声中确知信号与随机信号的工作原理，网络结构和训练算法，讨论了几种非高斯噪声中信号的神经网络检测器性能。计算机仿真证明，在非高斯噪声条件下神经网络检测性能优于线性最佳匹配滤波器检测器和局部最佳检测器。     

机敏材料中的光纤传感与信号处理技术

简述了机敏材料与结构内状态监测，损伤估计用光纤传感器，光纤传感阵列及其输出信号的人工神经网络处理原理、技术的研究进展和发展趋势     

液-液分离水力旋流器的理论研究进展

介绍了液-液分离水力旋流器的理论研究进展,分析了各种数学模型的研究状况及存在的问题,对人工神经网络在液-液分离水力旋流器的应用及其发展进行了展望。     

基于BP神经网络进行裂缝识别研究

裂缝系统是个复杂的地质体，其储层物性（主要是渗透性）的改善作用是非线形的，各种评价参数与裂缝发育程度之间的关系也是非线形的，导致对裂缝进行定量评价十分困难，单纯依靠常规测井资料进行裂缝识别，存在主观不确定性及多解性；成像测井虽然直观准确，但成本较高。本文基于人工神经网络理论，开展了常规测井资料识别评价裂缝的研究。结果表明，基于BP神经网络的裂缝性储集层常规测井识别，与成像测井对比具有较好的应用效果。     

基于FPGA技术的可重构软测量系统

介绍了一种基于FPGA（Field Programmable Gates Array）技术的可重构的软测量系统。该系统由一个单片机控制着一片FPGA芯片，芯片上配置的软测量模型在一个BP人工神经网络模型及其训练模型之间切换（即重构）。该系统在实际中有广泛的用途，如测量工业生产中的过程变量、生物体内部状态、海洋探测、空间设备等。     

基于人工神经网络的石油专用设备投资评价研究

在油田开发企业中,石油专用设备在固定资产中占有较大的比例,如何做好设备的选购,制定一套科学的投资评价机制,具有重要的意义。文章利用人工神经网络特有的对专家知识的储存和再现功能,建立了利用设备投资历史数据的设备投资的评价模型,并利用大庆油田注水泵的投资数据进行了模拟运算。     

基于BP神经网络的人脸识别系统研究

本文设计了一种基于BP神经网络的人脸识别系统,并对其进行了性能分析.该系统首先利用离散小波变换获取包含人脸图像大部分原始信息的低频分量,对图像数据进行降维;再由PCA算法对人脸图像进行主成分特征提取,进一步降低图像数据的处理量;最后使用经过训练后的BP神经网络对待测人脸进行分类识别.详细介绍了离散小波变换、PCA特征提取以及BP神经网络分类设计.通过系统仿真实验与分析发现:人脸特征的提取是该系统的关键;同时,由于人脸灰度信息的统计特征与有监督训练BP神经网络分类器,使该系统只在固定类别,并且光照均匀的人脸识别应用场景中具有较高的识别准确率.因此,很难在复杂环境中应用.     

基于人工神经网络的页岩油藏产量预测定量表征模型

页岩油藏开采过程通常包括压裂、闷井、返排,较常规油藏其流体渗流机理复杂,采用传统产量预测模型难以描述其复杂生产变化特征。传统定量表征模型虽可以描述页岩油藏产量变化特征,但其需要根据实际生产数据人工提取特征参数,无法适用于新井产量预测。通过收集现场实际生产数据建立样本库,运用人工神经网络建立产量主控因素与定量表征模型特征参数关系模型,形成了一种基于人工神经网络的定量表征产量预测新方法。训练后模型预测值与实际值相关性较好,通过输入压裂施工、油层品质、生产因素等参数即可预测新井全周期生产动态及不同施工措施下的产量变化规律。研究成果对页岩油开发技术政策研究具有重要的指导作用。     

基于ANN的声目标识别系统及其DSP实时实现

介绍了一种基于人工神经网络(ANN)的声目标识别系统,概述了用MATLAB专用工具箱对神经网络权值进行训练及仿真的过程,叙述了ANN目标识别系统的数字信号处理器(DSP)实时实现过程,并着重分析定点实现过程中程序变量的定标、非线性运算的实现、溢出的处理等关键步骤.对不同字长的识别结果进行比较表明,基于定点实时实现的系统数据保持很高的精度,可以得到与浮点处理相同的识别率.     

基于双谱模型的被动微波遥感土壤湿度反演

利用随机粗糙表面的双谱散射模型计算了粗糙裸土壤表面的发射率,并建立了基于双谱模型的被动微波遥感的土壤湿度的人工神经网络反演方法.结果表明,基于双谱散射模型计算粗糙裸土壤表面发射率是可行的,利用人工神经网络反演方法,仅采用两个发射率的数据组合便可以反演出精度较高的土壤湿度值,且反演方法具有一定的抗噪性能.