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。     

中石化和BP合资建设的50万t／a醋酸项目开工建设

中石化扬子石化BP50万t／a醋酸合资项目3月23日在南京化工园区开工。该项目由中石化和BP以50：50比例共同投资建设，总投资13．9亿元，中石化由旗下的扬子石化进行投资。所建装置使用原料为甲醇和一氧化碳，采用世界领先的BP羰基合成醋酸专利技术，其技术特点为高选择性、     

基于人工神经网络的混合气体定量检测方法

将气体传感器阵列与人工神经网络相结合，设计了用于混合气体定量检测的人工嗅觉系统；构造了局部连接的前馈神经网络的结构和基于递推预报误差的网络训练算法；通过实验对CO，H2，CH4三种气体的混合物进行了分析，实验结果证明气体传感器阵列和人工神经网络用于混合气体定量检测是可行的。     

BP算法在贮灰坝监测系统中的应用

人工神经网络是当前最常用的人工智能算法，能够解决对复杂函数关系的非线性映射问题。在贮灰坝监测系统中，需要对各个测点的水位规律进行模拟，从而了解坝体浸润线的规律，为预测坝体下一工况的稳定性提供依据。文中应用BP网络较好地解决了贮灰坝监测系统的预测问题，具有广阔的应用前景。     

声发射模糊神经网络

在声发射BP神经网络的基础上,通过添加模糊输入层和模糊输出层,构筑成声发射模糊神经网络.对原先的声发射信号进行模式识别,既提高了神经网络训练的收敛精度,又改善了收敛速度和稳定性.从而进一步提高了声发射信号模式识别的实用价值.     

利用Hopfield模型进行电力系统无功优化控制

本文提出一种基于Hopfield模型对电力系统的无功优化控制的方法，文中分析了其运行机制，求解系统无功最佳补偿容量。经过对IEEE-6节点，IEEE-30节点的测试，取得了满意的结果。程序使用Fortran77语言，在Novell-3.1网络上实现。     

基于神经网络的气体炮内弹道仿真与预测

为了模拟气体炮发射时的复杂过程，将这个过程看作一个黑匣，把发射诸元素作为输入参数，把最大膛内加速度作为输出量。采用一种基于推理神经网络模型，运用ＢＰ算法进行学习实验样本数据，和出学习好的神经网络模型，能预测气体炮膛内最在压力，在实际工作蝗仿真结果。     

一种基于误差变化率的自适应反射传播算法

本文针对ＢＰ算法存在收敛速度慢的缺点，提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。导或问题的仿真结果表明，该方法具有较快的收敛速度。     

汽车用聚酰胺亚胺

美国BP Amoco化学品和工程聚合物公司在原Amoco公司的技术和产品基础上推出许多汽车工业用工程塑料,具有高比强(强度/重量)和高比刚性(刚性/成本),其中聚酰胺亚胺(PAI,