人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用

第1章 緒論
　1.1 神經(jīng)網(wǎng)絡(luò)在石油生產(chǎn)中的應(yīng)用簡介
　1.2 神經(jīng)網(wǎng)絡(luò)的研究與發(fā)展歷史
　1.3 儲層預測的研究與進展
　1.4 神經(jīng)網(wǎng)絡(luò)模式識別概述
　1.5 遺傳算法研究與發(fā)展概述
　1.6 模擬退火算法的研究和發(fā)展概況
　1.7 支持向量機的研究與進展
　1.8 本書的主要研究內(nèi)容及章節(jié)安排
第2章 人工神經(jīng)網(wǎng)絡(luò)
　2.1 引言
　2.2 神經(jīng)元模型
　2.3 神經(jīng)網(wǎng)絡(luò)模型
　2.4 感知器
　2.5 誤差回傳神經(jīng)網(wǎng)絡(luò)(BP)
　2.6 神經(jīng)網(wǎng)絡(luò)的優(yōu)點
　2.7 本章小結(jié)
第3章 改進遺傳算法的徑向基函數(shù)網(wǎng)絡(luò)方法研究及應(yīng)用
　3.1 引言
　3.2 徑向基函數(shù)網(wǎng)絡(luò)
　3.3 遺傳算法
　3.4 自適應(yīng)遺傳算法(AGA)基本原理
　3.5 基于改進遺傳算法的徑向基函數(shù)網(wǎng)絡(luò)
　3.6 改進的遺傳算法徑向基函數(shù)網(wǎng)絡(luò)的應(yīng)用
　3.7 本章小結(jié)
第4章 小波變換及小波神經(jīng)網(wǎng)絡(luò)方法研究及應(yīng)用
　4.1 引言
　4.2 小波分析
　4.3 小波變換模極大檢測地震反射界面
　4.4 小波神經(jīng)網(wǎng)絡(luò)
　4.5 小波神經(jīng)網(wǎng)絡(luò)的應(yīng)用一
　4.6 本章小結(jié)
第5章 模糊神經(jīng)網(wǎng)絡(luò)方法研究及應(yīng)用
　5.1 引言
　5.2 模糊理論
　5.3 模糊關(guān)系和模糊邏輯推理
　5.4 模糊邏輯系統(tǒng)
　5.5 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的融合
　5.6 模糊神經(jīng)網(wǎng)絡(luò)
　5.7 用于火山巖儲層識別預測的模糊神經(jīng)網(wǎng)絡(luò)
　5.8 基于模糊神經(jīng)網(wǎng)絡(luò)的火山巖儲層的識別與預測
　5.9 基于模糊神經(jīng)網(wǎng)絡(luò)多傳感器數(shù)據(jù)融合的海底輸油管道腐蝕檢測系統(tǒng)
　5.1 0本章小結(jié)
第6章 改進的模擬退火人工神經(jīng)網(wǎng)絡(luò)方法研究及應(yīng)用
　6.1 引言
　6.2 模擬退火算法及其特性
　6.3 模擬退火算法的漸近收斂性
　6.4 模擬退火算法與局部搜索算法比較
　6.5 鮑威爾(P0well)算法
　6.6 改進的模擬退火人工神經(jīng)網(wǎng)絡(luò)
　6.7 改進的模擬退火人工神經(jīng)網(wǎng)絡(luò)應(yīng)用
　6.8 算法比較
　6.9 本章小結(jié)
第7章 支持向量機方法研究及應(yīng)用
　7.1 引言
　7.2 機器學習的基本問題和方法
　7.3 統(tǒng)計學習理論的主要內(nèi)容
　7.4 分類支持向量機
　7.5 回歸支持向量機
　7.6 支持向量機的應(yīng)用
　7.7 本章小結(jié)
第8章 結(jié)論
參考文獻