The Simulation of Microbial Enhanced Oil Recovery by Using a Two-layer Perceptron Neural Network

The authors simulated a reservoir by using two-layer perceptron. Indeed a model was developed to simulate the increase in oil recovery caused by bacteria injection into an oil reservoir. This model was affected by reservoir temperature and amount of water injected into the reservoir for enhancing oil recovery. Comparing experimental and simulation results and also the erratic trend of data show that the neural networks have modeled this system properly. Considering the effects of nonlinear factors and their erratic and unknown impacts on recovered oil, the perceptron neural network can develop a proper model for oil recovery factor in various conditions. The neural networks have not been applied in modeling of microbial enhanced oil recovery since now. Finally, we are going to design a controller for the neural network. This controller is designed for the case where output of the network is oil recovery factor. For this purpose, the network is designed as a one-layer network in which just one output matches each time. In this case, a one-layer network will have acceptable results.     

基于变分贝叶斯算法和MLP网络的后非线性混合盲源分离方法研究

传统的后非线性模型往往要求其后非线性函数是可逆的,否则无法进行源信号的分离。然而在实际中,这一要求并不完全满足。针对此不足,结合变分贝叶斯推论和多层感知器网络,提出一种改进的多层感知器后非线性模型,它通过多层感知器来模拟后非线性函数,实现对不可逆后非线性函数混合的盲分离。仿真和实验结果表明该方法是有效的。     

基于模板匹配与人工神经网确认的人脸检测

本文提出了一种基于模板匹配与人工神经网确认的人脸检测算法.算法使用一组双眼-人脸模板对搜索侯选人脸,并在搜索过程中使用多层感知器进行确认,以减少错误报警.大量实验证明了该算法的有效性.     

微带线的神经网络模型

本文采用多层感知器神经网络对微带线进行建模。将微带线的结构尺寸和频率作为神经网络的输入样本。微带线的电特性参数(由电磁场数值方法获得)作为输出样本,采用BP算法对多层感知器进行训练。当对多层感知器训练结束后,在学习范围内将微带线的尺寸和频率输入到多层感知器,从输出端可以立即得到准确的电特性参数。     

基于谷物蛋白质序列与PPI网络的功能预测研究

谷物中现存大量未经注释、功能未知的蛋白质,且难以通过实验验证,因此计算方法成为预测谷物蛋白质功能的主流方法之一。作者以玉米、小麦、籼稻、粳稻4种谷物蛋白质为研究对象,利用数据库获取结构域相互作用信息。从蛋白质中较为稳定的结构域信息出发,结合AdaBoost算法获得蛋白质相互作用信息并构建蛋白质相互作用网络,将其与利用blast所获得的蛋白质序列相似性网络相结合,利用协同分类和多层感知机两种算法实现对谷物蛋白质的功能预测。研究结果显示,两种算法均能较为准确地预测蛋白质功能,其中协同分类在召回率方面表现更优,而多层感知机在准确率方面表现更优。本研究为谷物蛋白质的功能注释提供了新思路、新方法,对谷物的加工与营养研究提供了依据。     

基于极大极小准则的异联想记忆网络学习算法

提出了设计异联想记忆网络的极大极小准则，即设计出的连接权阵应使得网络最小的记忆模式对的吸引域达到最大。首先给出了一种快速学习算法，它设计出的网络连接权值只取１，０或－１；再进一步发展了一个启发性迭代学习算法，称为约束感知器优化学习算法，它以快速学习算法的结果作为连接权阵的迭代实值。     

关于多层感知器的函数逼近能力

给出一个关于多层感知器（ＭＬＰ）连续函数逼近能力更为普遍的新结论，表明ＭＬＰ的函数逼近能力与隐层数目及隐层神经元特性函数的选以关系不大，而主要是决定于ＭＬＰ的支神经元数目。     

基于超宽带厘米波的液体安检感知机模型

针对常用安检技术对液体危险品检测存在效率低等问题,提出一种利用散射参数曲线特征识别液体危险品的方法.厘米波通过介电常数和粘稠度有区别的液体时,相应散射参数曲线的特征有所不同.利用超宽带技术收集大量的采样点以达到精确描述散射参数曲线的目的.感知机模型通过识别散射参数曲线的特征对待测液体的危险程度进行分类.实验表明识别正确率达到96%以上.     

电容压力传感器的FLANN建模方法

旨在开发一种计算简单的电容压力传感器的模型，以便经济、可靠地应用。分析表明采用新型函数链接型神经网络建立的电容压力传感器模型能够精确读出应用压力，它是一种能实现输入到输出的高度非线性映射并且运算高效的非线性网络，在建立传感器模型的类似性能上比多层感知器具有更高的运算优势。     

独立分量分析基网络应用于旋转机械故障特征抽取与分类

提出了一种新颖的、基于独立分量分析(ICA)的多层神经网络,用于旋转机械不同模式(如正常及轴承故障等)的特征抽取,随后利用多层感知器(MLP)实施最终的模式分类。借助独立分量分析方法,隐藏于多通道振动观测中的不变特征得到有效提取,从而建立起稳定的MLP分类器。试验所获得的成功分类结果表明,所建议的新的旋转机械健康状况监测方法具有较大的应用潜力。