人工神經網絡算法研究及應用（簡體書）

本書系統地介紹了神經網絡、小波變換、模糊理論、遺傳算法、模擬退火算法和支持向量機的基本理論、方法及各種方法的相互結合技術及其在油氣勘探開發及其他領域的應用。主要內容包括：改進遺傳算法的徑向基函數網絡方法研究及應用、小波變換及小波神經網絡方法研究及應用、模糊神經網絡方法研究及應用、改進的模擬退火人工神經網絡方法研究及應用、支持向量機方法研究及應用。 本書主要基于作者近年來的研究成果，注重理論聯系實際，以多學科交叉、多種算法結合應用為特點。本書可作為高等院校自動控制、計算機應用、地球物理、油氣勘探開發等專業的研究生教材或自學用書，也可作為相關領域的工程技術人員的參考書。

第1章 緒論
　1.1 神經網絡在石油生產中的應用簡介
　1.2 神經網絡的研究與發展歷史
　1.3 儲層預測的研究與進展
　1.4 神經網絡模式識別概述
　1.5 遺傳算法研究與發展概述
　1.6 模擬退火算法的研究和發展概況
　1.7 支持向量機的研究與進展
　1.8 本書的主要研究內容及章節安排
第2章 人工神經網絡
　2.1 引言
　2.2 神經元模型
　2.3 神經網絡模型
　2.4 感知器
　2.5 誤差回傳神經網絡(BP)
　2.6 神經網絡的優點
　2.7 本章小結
第3章 改進遺傳算法的徑向基函數網絡方法研究及應用
　3.1 引言
　3.2 徑向基函數網絡
　3.3 遺傳算法
　3.4 自適應遺傳算法(AGA)基本原理
　3.5 基于改進遺傳算法的徑向基函數網絡
　3.6 改進的遺傳算法徑向基函數網絡的應用
　3.7 本章小結
第4章 小波變換及小波神經網絡方法研究及應用
　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 小波神經網絡
　4.5 小波神經網絡的應用一
　4.6 本章小結
第5章 模糊神經網絡方法研究及應用
　5.1 引言
　5.2 模糊理論
　5.3 模糊關系和模糊邏輯推理
　5.4 模糊邏輯系統
　5.5 模糊系統和神經網絡的融合
　5.6 模糊神經網絡
　5.7 用于火山巖儲層識別預測的模糊神經網絡
　5.8 基于模糊神經網絡的火山巖儲層的識別與預測
　5.9 基于模糊神經網絡多傳感器數據融合的海底輸油管道腐蝕檢測系統
　5.1 0本章小結
第6章 改進的模擬退火人工神經網絡方法研究及應用
　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網絡
　6.7 改進的模擬退火人工神經網絡應用
　6.8 算法比較
　6.9 本章小結
第7章 支持向量機方法研究及應用
　7.1 引言
　7.2 機器學習的基本問題和方法
　7.3 統計學習理論的主要內容
　7.4 分類支持向量機
　7.5 回歸支持向量機
　7.6 支持向量機的應用
　7.7 本章小結
第8章 結論
參考文獻