题名 改进的神经网络级联相关算法及其在初至拾取中的应用
被引量：26
1
作者
宋建国 李赋真 徐维秀 李哲
机构
中国石油大学(华东)地球科学与技术学院 中国石油集团东方地球物理公司大港物探处 中国石化石油工程地球物理公司胜利分公司
出处
《石油地球物理勘探》
EI
CSCD
北大核心
2018年第1期8-16,共9页
基金
国家自然科学基金项目"页岩油气层及裂缝多尺度物理正演"(U1663207) 国家"十三.五"重大专项"陆相页岩油甜点地球物理识别与预测方法"(2017ZX05049002)资助
文摘
针对传统BP神经网络存在的问题,引入一种神经网络构造算法——级联相关(CC)算法。该算法具有比BP算法更快的收敛速度,能根据待解决问题自行确定网络结构,即能随时扩展网络拓扑结构以学习新样本。常规CC算法的初始网络只包含输入层和输出层。改进的CC算法起始于适当的BP网络结构(存在隐含层);且为了防止权值病态递增,在训练候选隐含神经元的目标函数中加入了正则化项,对权值进行衰减。仿真试验表明:改进的CC算法具有更快收敛速度、更强泛化能力;瞬时强度比、振幅、频率、曲线长度比、相邻道相关性等五种地震属性特征交会图显示对初至波具有稳定的区分能力。本文构建的神经网络初至拾取方法在实际资料应用中取得了良好效果。
关键词
初至拾取 初至波 级联相关算法 Quickprop算法 地震属性
Keywords
first break picking first arrival cascade -correlation algorithm Quickprop algorithm seismic
分类号
P631
[天文地球—地质矿产勘探]
题名 梯级-关联算法在多泥沙河流含沙量预报中的应用
被引量：4
2
作者
张志果 徐宗学 赵卫民
机构
北京师范大学水科学研究院水沙科学教育部重点实验室 水利部黄河水利委员会水文局
出处
《水利学报》
EI
CSCD
北大核心
2007年第4期448-453,共6页
基金
黄河水利委员会黄河防汛科技项目(2004E02-1) 北京师范大学特聘教授启动经费支持项目(104861)
文摘
本文借助历史加成法处理样本数据,并分别利用梯级-关联算法(CC)和误差反馈传播算法(BP)建立模型对黄河下游夹河滩水文站汛期含沙量进行预报。传统BP网络需要预先设定网络结构,预报过程虽利用了神经网络的内插特性,但其样本的处理方式和网络构建方式使得运算效率较低;CC算法仅要求初始网络含有输入层和输出层,通过运算不断向网络增加隐含节点,从而最大限度的减少了在网络构建过程中的主观因素。本文比较了当预报的峰值超出训练样本取值范围时两种算法的表现,结果显示:当预报的峰值为训练样本峰值的2.45倍时,二者均能实现较为准确的预报,BP网络在预报精度上要略高于CC网络,但CC网络在运算速度上要明显快于BP网络。
关键词
梯级-关联算法 含沙量 预报 神经网络 黄河
Keywords
cascade -correlation algorithm forecasting sediment concentration neural network Lower Yellow River
分类号
TV143
[水利工程—水力学及河流动力学]
题名 梯级-关联算法原理及其在月流量预报中的应用
被引量：1
3
作者
张志果 徐宗学 巩同梁
机构
北京师范大学水科学研究院水沙科学教育部重点实验室
出处
《水科学进展》
EI
CAS
CSCD
北大核心
2007年第1期114-117,共4页
基金
国家科技攻关计划资助项目(2005BA901A11) 北京师范大学"京师学者"特聘教授启动经费资助项目
文摘
传统BP网络需要预先设定网络隐含层的层数和每层的节点数,使得在预测过程中难以确定网络的最优结构。与之相反,梯级-关联算法(CC)要求初始网络仅含有输入层和输出层,通过运算不断向网络增加隐含节点。在介绍梯级-关联算法原理的基础上,分别运用梯级-关联算法和BP算法对拉萨河拉萨站的月流量进行了预测,结果显示:在不损失预测精度的前提下,梯级-关联算法的运算次数仅为5次,而BP算法则需要运算70 000次,运算效率有很大的提高,同时网络的规模也有所减小。
关键词
梯级-关联算法 BP算法 流量预报 拉萨河
Keywords
cascade -correlation algorithm backpropagation algorithm streamflow forecasting Lasa River
分类号
P338.1
[天文地球—水文科学]
P338.9
[水利工程—水文学及水资源]
题名 基于级连神经网络和SVD的文本分类新模型
被引量：1
4
作者
王燕霞 邓伟
机构
苏州大学计算机科学与技术学院
出处
《计算机工程与应用》
CSCD
北大核心
2010年第26期102-104,共3页
基金
国家自然科学基金No.60572074~~
文摘
提出了一个基于级连神经网络(Cascade-Correlation Neural Network,CCNN)和SVD(Singular Value Decomposition)的文本分类新模型。该神经网络用级连相关算法来训练网络。大部分的文本分类系统用向量空间模型(Vector Space Model,VSM)来表现文档,然而这种方法需要很高的维度,并且考虑不到文本特征词间的语义隐含信息,因此分类效果不是太理想。引入SVD来学习和表现文本特征词,在降低特征维度的基础上,将文本特征的隐含信息表现出来。实验证明,在加快训练速度的基础上,提高了分类的精度。
关键词
奇异值分解 神经网络 文本分类 BP算法 级联相关算法
Keywords
Singular Value Decomposition（SVD） neural network text categorization BP algorithm cascade -correlation algorithm
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
题名 构造性神经网络在测井岩性识别中的应用
被引量：6
5
作者
纪福全 程国建 王潇潇 朱战立
机构
西安石油大学计算机学院
出处
《石油矿场机械》
2007年第4期52-55,共4页
基金
国家自然科学基金资助项目"油藏模拟的混合软计算系统理论与使用方法研究"(编号:40572082)
文摘
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。
关键词
构造性神经网络 BP算法 级联算法 测井 岩性识别
Keywords
constructive neural network BP algorithm cascade correlation algorithm oil well-log lithology identification
分类号
TE19
[石油与天然气工程—油气勘探]
题名 一种基于神经网络级联算法的软件可靠性增长预测方法
6
作者
刘典型 于芳
机构
湖南公安高等专科学校公管系 郴州师范高等专科学校计算机系
出处
《郴州师范高等专科学校学报》
2003年第2期66-69,73,共5页
文摘
介绍了一种基于神经网络级联算法的软件可靠性增长预测方法,阐述了该算法的具体步骤.对预测系统进行了定义,提出了预测手段,并对预测进行了度量.测试结果与传统方法比较,该方法的较优越性能.
关键词
软件开发 神经网络 级联算法 软件可靠性 预测 参数分析 数据集
Keywords
software reliability neural networks cascade -correlation learning algorithm
分类号
TP311.5
[自动化与计算机技术—计算机软件与理论]
TP301.6
[自动化与计算机技术—计算机科学与技术]
