期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
RPROP算法在测井岩性识别中的应用 被引量:12
1
作者 张治国 杨毅恒 夏立显 《吉林大学学报(地球科学版)》 EI CAS CSCD 北大核心 2005年第3期389-393,共5页
为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法Resilient Backpropaga tion (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用... 为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法Resilient Backpropaga tion (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用RPROP算法进行测井资料岩性识别,识别的准确率较高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景。 展开更多
关键词 rprop算法 BP神经网络 测井资料 岩性识别
在线阅读 下载PDF
RPROP算法在火成岩岩石分类中的应用 被引量:10
2
作者 张治国 杨毅恒 +1 位作者 夏立显 贾永红 《地球物理学进展》 CSCD 北大核心 2008年第3期898-902,共5页
为了更好地解决火成岩岩石分类问题,引入一种快速实用的BP算法—Resilient Backpropagation(RPROP)算法.在说明RPROP算法的基础上,结合火成岩岩石资料,建立基于RPROP算法的BP网络火成岩岩石分类模型,进行火成岩岩石分类的应用研究.结果... 为了更好地解决火成岩岩石分类问题,引入一种快速实用的BP算法—Resilient Backpropagation(RPROP)算法.在说明RPROP算法的基础上,结合火成岩岩石资料,建立基于RPROP算法的BP网络火成岩岩石分类模型,进行火成岩岩石分类的应用研究.结果表明,应用RPROP算法进行火成岩岩石分类,分类的准确率高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景. 展开更多
关键词 rprop算法 BP神经网络 火成岩 分类
在线阅读 下载PDF
基于动态RPROP算法的对角递归神经网络
3
作者 王晓燕 杨富龙 《科技创新与应用》 2021年第14期24-27,共4页
在训练对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)时,为了避免网络权值的学习过程发生振荡、收敛速度慢,得到更好的收敛速度和辨识精度,文章提出一种动态RPROP(resilient back-propagation,RPROP)算法可以使上次的网络... 在训练对角递归神经网络(Diagonal Recurrent Neural Network,DRNN)时,为了避免网络权值的学习过程发生振荡、收敛速度慢,得到更好的收敛速度和辨识精度,文章提出一种动态RPROP(resilient back-propagation,RPROP)算法可以使上次的网络连接权值改变量对本次权值改变量产生影响。并将基于该算法的对角递归神经网络用于非线性时变系统的辨识,仿真结果表明该算法可以有效提高辨识效果、网络的收敛速度和辨识精度。 展开更多
关键词 动态rprop算法 对角递归神经网络 非线性时变系统辨识
在线阅读 下载PDF
弹性反传神经网络法预测烷基苯的疏水性常数
4
作者 刘二东 杨更亮 +2 位作者 田宝娟 李志伟 陈义 《色谱》 CAS CSCD 北大核心 2002年第3期216-218,共3页
介绍了应用人工神经网络预测烷基苯分子疏水性常数的方法。该法同传统方法相比 ,具有操作简便 ,适用范围广的特点。基于误差反传神经网络 ,建立了分子连接性指数 (χ)、范德华表面积 (Aw)和疏水性常数 (logP)之间的数学模型。应用该模... 介绍了应用人工神经网络预测烷基苯分子疏水性常数的方法。该法同传统方法相比 ,具有操作简便 ,适用范围广的特点。基于误差反传神经网络 ,建立了分子连接性指数 (χ)、范德华表面积 (Aw)和疏水性常数 (logP)之间的数学模型。应用该模型对烷基苯分子的疏水性常数进行预测 ,其平均相对偏差为 0 6 7%。并且通过与标准误差反传算法和自适应学习算法相比较 ,发现弹性反传算法具有训练速度快 。 展开更多
关键词 预测 人工神经网络 弹性反传算法 疏水性常数 烷基苯 分子连接性指数 范德华表面积
在线阅读 下载PDF
基于改进BP网络的图像压缩
5
作者 张敏 《辽宁工学院学报》 2007年第4期258-262,共5页
针对BP网络的图像压缩技术,提出了一种改进的BP网络局部学习自适应Silva-Almeida(SA)算法,该算法将训练过程分为加速、平稳收敛两个阶段的基础上,同时局部自适应调整学习速率和动量因数两个参数。经曲线拟合试验,其训练精度有较大提高,... 针对BP网络的图像压缩技术,提出了一种改进的BP网络局部学习自适应Silva-Almeida(SA)算法,该算法将训练过程分为加速、平稳收敛两个阶段的基础上,同时局部自适应调整学习速率和动量因数两个参数。经曲线拟合试验,其训练精度有较大提高,震荡现象得到进一步改善,训练速度加快。在图像压缩的仿真试验中,相对于目前常用的弹性BP算法(RPROP算法),该算法训练速度加快,重建图像质量有很大提高,利用该算法进行图象压缩可以获得更高的压缩比。 展开更多
关键词 SA算法 图像压缩 BP网络 局部学习自适应 弹性BP算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部