加权模糊推理网络及在水淹层识别中的应用

提出了一种加权模糊推理网络的结构模型和学习算法,该网络的基本信息处理单元为模糊推理神经元,融合了模糊逻辑能够较完整的表达领域规则和先验知识以及神经网络自适应环境的优点。根据模糊推理规则的量化表示形式和微分方程数值解的动力学思想推导出网络一种新的学习算法。该算法具有稳定,收敛速度快,且能较好避免网络学习陷入局部极值点。以油田生产复杂水淹层识别问题为例,验证了模型和算法的有效性。     

多资料水淹层识别的模糊神经网络模型研究

该文研究了利用多资料识别水淹层水淹等级的模糊神经元网络自适应模型,模型由若干个规则网络和适用度网络组成,汇合了神经网络与模糊逻辑的优点,具有非线性系统的逼近能力。通过相关性分析和反复测试,最终选择13个参数作为输入参数,水淹层的含水饱和度作为输出参数,实际资料的检验证明该算法明显改进了识别效果。     

基于量子神经网络的油田水淹层识别方法

针对油藏测井解释中的水淹层识别问题,提出一种量子神经网络模型。该模型用量子旋转门更新量子比特的相位,用受控旋转门实现网络的非线性映射功能。网络可调参数为量子旋转门的旋转角度和受控非门的控制参数。基于梯度下降法设计了学习算法。仿真结果表明,该模型的预测能力优于普通BP网络、模糊神经网络和过程神经网络等其他方法。     

一类正规模糊神经网络及其在复杂水淹层识别中的应用

考虑了一种五层结构的正规化模糊神经网络模型,针对网络结构的优化问题给出了该网络模型的规则层节点的选取方法和相应的反传播学习规则.对于具有较少数输入节点的情况,该网络有较快的训练速度.油藏测井解释中水淹层的识别是石油开发中特别是开发中后期比较突出的一个问题,复杂的地质条件在测井曲线的表现中具有许多模糊性,在各种模糊条件的组合下油藏水淹表现为强水淹、中水淹、弱水淹和无水淹等情形.将正规模糊神经网络用于油藏测井解释中水淹层的识别以提取测井曲线与水淹级别之间的映射关系,从而实现模糊性油藏测井解释中水淹层的识别.实验表明此方法对解决水淹层识别问题具有良好的适应性和实用性.     

支持向量机及其在复杂水淹层识别中的应用

研究了基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了可用于多个模式类识别的级连式SVM模型。该模型易于实现,且能够找到模式间的最优分类超平面,泛化能力较高。支持向量机用于模式识别不存在局部极小值问题,且不需网络迭代训练,求解速度明显高于神经网络。该模型采用两种核函数,将SVM用于油藏测井解释中水淹层的识别以提取测井曲线与水淹级别之间的映射关系,从而实现模糊性油藏测井解释中水淹层的识别。实验结果表明,此方法对解决水淹层识别问题具有良好的适应性和实用性。     

混合云市场的计算资源交易模型

基于计算资源共享模型的研究,提出了混合云计算资源市场HCRM（Hybrid Cloud Resource Market）的功能架构,研究了市场管理层的交易管理机制,给出了计算资源的供需质量模型,设计了一种质量感知的双向拍卖算法QaDA（Quality-aware Double Auction）。仿真运行结果表明,与普通的连续双向拍卖算法CDA（Continuous Double Auction）相比,QaDA不仅可以引导用户合理定价,也能获得较高的匹配成功率和较高的交易总额。     

一种基于正向云变换的混合计算神经网络及其应用

针对数值信息与定性领域知识相互融合的计算问题,提出了一种基于云变换的混合计算神经网络模型。利用正向正态云发生器可实现定性概念到量化数值描述之间不确定关系的转换机制,建立基于云变换的混合信息计算逻辑和神经网络模型。将定性概念谓词通过云变换在概率意义下转换为数值变量,把计算规则表示为神经元,利用神经网络的学习性质来实现对定量与定性混合信息的自适应计算和推理。在算法设计中,将网络性质参数整合为一个粒子,利用粒子群算法对混合计算神经网络进行整体优化求解。以石油地质研究中的沉积微相自动识别为例,实验结果验证了模型和算法的有效性。     

基于模糊神经网络的水淹层自动识别

针对油田水淹层识别存在的模糊性和多解性,提出了一种基于模糊神经网络的水淹层自动识别方法。该方法将神经网络技术所具有的高度自适应性、容错性及固有的并行处理能力与模糊逻辑所具有的模拟人类思维中的模糊综合判别特点有机地结合,实现了多因素模糊综合判断推理来完成水淹层自动识别。采用该方法,对大庆油田135个地层样本进行处理,符合率达87．6％。结果表明该方法对解决水淹层自动识别问题具有良好的适应性,可提高水淹层自动识别的精度。     

基于量子蚁群优化的油田水淹层识别方法

为提高油田水淹层识别精度及识别效率,论文提出一种基于量子蚁群优化算法的识别方法。首先提出一种基于Bloch球面搜索的量子蚁群算法,然后根据样本数据建立非线性回归模型,最后采用量子蚁群算法优化模型参数。方法简单直观,物理概念清楚。以大庆油田实际水淹层数据进行仿真,结果表明该方法的正确识别率比BP神经网络有25%的提高。     

基于人工神经网络的云识别研究

利用计算机图像处理和模式识别技术,对卫星云图上常见的3种云和晴空进行了特征提取,并利用神经网络进行了识别实验,结果表明这种方法是有效的。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

基于 BP 神经网络的云计算入侵检测技术研究

随着网络技术和云服务的广泛应用,云计算环境下强大的计算资源和巨大的存储能力已经变成攻击者的目标。但由于云服务器所具有的一些有别于普通主机的特性,所以不能将已有的入侵检测技术直接应用到云计算中,论文基于云计算的特点设计出面向云计算的入侵检测系统模型,并详细研究分析模块,为解决传统入侵检测算法存在高漏报率和误报率问题,在分析模块中设计出通过改进人工蜂群算法来优化BP神经网络的入侵检测算法,提高了神经网络分类正确率,缩短了样本训练时间。为提高检测效率,论文选用D‐S证据理论来融合BP神经网络的检测结果来提高结果的准确性,通过实验证明算法的高效性。     

基于云计算和语音识别的控制系统

近年来,随着语音控制的热度逐渐增加,语音助手的种类也越来越多,但该类应用通常都是通过语音识别技术 来实现对用户指令的识别和反馈。本文所介绍的软件是一款基于云计算和语音识别的控制系统,和传统语音识别应用不同的 在于其语音识别的方式采用了本地语音识别,结合云计算和物联网传感器进行信息的处理。     

基于云计算的网络技术研究

随着科学技术与网络信息技术在近几年的迅速发展,云计算技术开始出现在大众眼中,其灵活性以及便捷性 使得云计算的相关产业得到了快速的发展。本文从云计算的概念入手,分析基于云计算的网络技术的实现及其发展所面临的 挑战,以更好地推动云计算技术的发展。     

基于云计算的网络测量方法研究

随着网络技术的飞速发展,网络流量数据呈指数级增长,目前常用的集中式网络测量方法已经很难满足要求.论文提出一种基于云计算的网络测量系统,设计了基于数据报文的往返时延计算和Netflow流聚合的MapReduce算法,用于解决海量测量数据处理,实验结果表明该算法具有较好的正确性和可扩展性.     

云计算环境下的网络教学研究

云计算是新兴的虚拟化计算模型。云计算的广泛应用,将从根本上改变信息获取方式。对高校来说,云计算将在网络教学、信息共享、校园管理和基础设施建设方面发挥重要作用。云计算能有效满足信息化管理、科学研究的需求,将有效地促进网络教学的发展。     

基于云计算的图书馆云服务模式研究

信息技术的快速发展为人们的日常生活和工作提供了更多的便利,也在极大程度上促进我国社会经济的持续进步。在云计算环境下,图书馆的服务模式也不断创新,形成了一种新型的云服务模式,其在图书馆服务中的广泛应用对于更好的满足图书馆资源需求起到了较大的帮助作用。本文通过对云计算环境下的图书馆云服务模式进行分析,以期更好的推动图书馆持续创新服务。