掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
湖南省志(1978-2002)?鐵路志
-
>
公路車寶典(ZINN的公路車維修與保養秘籍)
-
>
晶體管電路設計(下)
-
>
基于個性化設計策略的智能交通系統關鍵技術
-
>
德國克虜伯與晚清火:貿易與仿制模式下的技術轉移
-
>
花樣百出:貴州少數民族圖案填色
-
>
識木:全球220種木材圖鑒
買過本商品的人還買了
基于神經網絡的混合非線性電阻率反演成像 版權信息
- ISBN：9787548720676
- 條形碼：9787548720676 ; 978-7-5487-2067-6
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
基于神經網絡的混合非線性電阻率反演成像 內容簡介
《基于神經網絡的混合非線性電阻率反演成像》在介紹神經網絡基本概念和基本原理的基礎上，對神經網絡非線性反演在電阻率成像技術中的應用進行了理論研究。分析了BP神經網絡和RBF神經網絡在電阻率成像反演中的優化算法、建模方法和反演流程。通過將神經網絡與粒子群優化算法、差分進化算法、混沌技術、信息準則等多種新技術相結合，優化了神經網絡反演模型的結構和性能，對今后神經網絡在電法反演中的深入研究提供了可借鑒的經驗。 《基于神經網絡的混合非線性電阻率反演成像》可供從事地球物理正反演以及人工智能等領域的相關研究人員參考使用，也可作為高等院校相關專業的教師、研究生和高年級本科生的教學參考用書。
基于神經網絡的混合非線性電阻率反演成像 目錄
第1章 緒論
1．1 電阻率成像
1．2 電阻率成像技術國內外研究進展及發展趨勢
1．2．1 國外電阻率成像反演的研究進展
1．2．2 國內電阻率成像反演的研究進展
1．2．3 電阻率成像反演的發展趨勢
1．3 神經網絡的研究現狀
1．3．1 神經網絡的概念和研究歷史
1．3．2 神經網絡的基本模型
1．3．3 神經網絡在電阻率法反演中的應用
1．4 粒子群優化算法
1．4．1 粒子群優化算法的研究現狀
1．4．2 粒子群優化算法在地球物理資料反演中的應用
1．5 微分進化算法
1．5．1 微分進化算法的研究現狀
1．5．2 微分進化算法在地球物理資料反演中的應用
1．6 主要研究工作和章 節安排
1．6．1 課題研究的目的與意義
1．6．2 主要研究工作
1．6．3 章 節安排
1．7 本章小結
第2章 基于神經網絡的電阻率反演成像
2．1 電阻率法的基本理論
2．1．1 穩定電流場的基礎理論
2．1．2 視電阻率的概念和意義
2．1．3 常用電阻率方法
2．1．4 正演問題的數值模擬方法
2．2 BP神經網絡的反演方法
2．2．1 BP神經網絡的基本結構
2．2．2 BP神經網絡的學習算法
2．2．3 BP神經網絡的樣本劃分與建模
2．2．4 BP神經網絡的反演流程
2．3 本章小結
第3章 基于混沌振蕩PSO-BP算法的電阻率成像反演
3．1 粒子群優化算法的基本原理
3．2 基于混沌慣性權重的PSO算法
3．2．1 基于振蕩遞減的PSO算法
3．2．2 混沌的基本理論
3．2．3 基于混沌振蕩的PSO算法
3．3 混沌振蕩PSO一BP算法反演建模
3．3．1 BP神經網絡的樣本劃分與建模
3．3．2 BP神經網絡的隱含層結構設計
3．3．3 混沌振蕩PSO-BP算法的實現步驟
3．4 數值仿真與模型反演
3．4．1 混沌振蕩PSO一BP算法的性能驗證
3．4．2 理論模型反演結果評估
3．5 本章小結
第4章 基于混沌約束DE-BP算法的電阻率成像反演
4．1 微分進化算法的基本原理
4．2 基于混沌約束的DE算法
4．3 混沌約束DE-BP算法反演建模
4．3．1 BP神經網絡的樣本劃分與建模
4．3．2 BP神經網絡的隱含層結構設計
4．3．3 混沌約束DE-BP算法的實現步驟
4．4 數值仿真與模型反演
4．4．1 混沌約束DE-BP算法的性能驗證
4．4．2 理論模型反演結果評估
4．5 本章小結
第5章 基于信息準則的RBF神經網絡電阻率成像反演
5．1 RBF神經網絡結構
5．2 RBF神經網絡學習算法
5．2．1 聚類算法
5．2．2 梯度算法
5．2．3 正交*小二乘法
5．3 基于漢南一奎因信息準則的OLS學習算法
5．3．1 RBF神經網絡的泛化能力
5．3．2 信息準則
5．3．3 HQOLS算法的實現步驟
5．4 ：HQOLS-RBF電阻率成像反演建模
5．5 數值仿真與模型反演
5．5．1 HQOLS-RBF算法的性能驗證
5．5．2 理論模型反演結果評估
5．6 本章小結
第6章 基于二階段學習的RBF神經網絡電阻率成像反演
6．1 基于二階段學習的RBF神經網絡基本理論
6．1．1 OLS-RBFNN的不足
6．1．2 RBF神經網絡的樣本規劃與建模
6．1．3**階段學習
6．1．4第二階段學習
6．2 基于二階段學習的RBF神經網絡實現步驟
6．3 數值仿真與模型反演
6．3．1 信息準則的選擇
6．3．2 二階段學習RBF神經網絡的性能驗證
6．3．3 理論模型反演結果評估
6．4 本章小結
第7章 基于主成分一正則化極限學習機的超高密度電法非線性反演
7．1 超高密度電法的基本原理及正演方法
7．2 極限學習機理論
7．2．1 標準極限學習機
7．2．2 主成分一正則化極限學習機
7．3 主成分一正則化極限學習機反演建模
7．3．1 樣本構造
7．3．2 PCA降維
7．3．3 參數尋優
7．3．4 反演流程
7．4 模型反演
7．5 本章小結
第8章 非線性反演工程實例分析
8．1 工程概況
8．2 神經網絡直接反演
8．3 基于*小二乘反演結果的反演
8．4 本章小結
第9章 總結與展望
9．1 總結
9．2 展望
附錄
附錄一：標準BP神經網絡反演的matlab代碼
附錄二：標準RBF神經網絡反演的matlab代碼
參考文獻
1．1 電阻率成像
1．2 電阻率成像技術國內外研究進展及發展趨勢
1．2．1 國外電阻率成像反演的研究進展
1．2．2 國內電阻率成像反演的研究進展
1．2．3 電阻率成像反演的發展趨勢
1．3 神經網絡的研究現狀
1．3．1 神經網絡的概念和研究歷史
1．3．2 神經網絡的基本模型
1．3．3 神經網絡在電阻率法反演中的應用
1．4 粒子群優化算法
1．4．1 粒子群優化算法的研究現狀
1．4．2 粒子群優化算法在地球物理資料反演中的應用
1．5 微分進化算法
1．5．1 微分進化算法的研究現狀
1．5．2 微分進化算法在地球物理資料反演中的應用
1．6 主要研究工作和章 節安排
1．6．1 課題研究的目的與意義
1．6．2 主要研究工作
1．6．3 章 節安排
1．7 本章小結
第2章 基于神經網絡的電阻率反演成像
2．1 電阻率法的基本理論
2．1．1 穩定電流場的基礎理論
2．1．2 視電阻率的概念和意義
2．1．3 常用電阻率方法
2．1．4 正演問題的數值模擬方法
2．2 BP神經網絡的反演方法
2．2．1 BP神經網絡的基本結構
2．2．2 BP神經網絡的學習算法
2．2．3 BP神經網絡的樣本劃分與建模
2．2．4 BP神經網絡的反演流程
2．3 本章小結
第3章 基于混沌振蕩PSO-BP算法的電阻率成像反演
3．1 粒子群優化算法的基本原理
3．2 基于混沌慣性權重的PSO算法
3．2．1 基于振蕩遞減的PSO算法
3．2．2 混沌的基本理論
3．2．3 基于混沌振蕩的PSO算法
3．3 混沌振蕩PSO一BP算法反演建模
3．3．1 BP神經網絡的樣本劃分與建模
3．3．2 BP神經網絡的隱含層結構設計
3．3．3 混沌振蕩PSO-BP算法的實現步驟
3．4 數值仿真與模型反演
3．4．1 混沌振蕩PSO一BP算法的性能驗證
3．4．2 理論模型反演結果評估
3．5 本章小結
第4章 基于混沌約束DE-BP算法的電阻率成像反演
4．1 微分進化算法的基本原理
4．2 基于混沌約束的DE算法
4．3 混沌約束DE-BP算法反演建模
4．3．1 BP神經網絡的樣本劃分與建模
4．3．2 BP神經網絡的隱含層結構設計
4．3．3 混沌約束DE-BP算法的實現步驟
4．4 數值仿真與模型反演
4．4．1 混沌約束DE-BP算法的性能驗證
4．4．2 理論模型反演結果評估
4．5 本章小結
第5章 基于信息準則的RBF神經網絡電阻率成像反演
5．1 RBF神經網絡結構
5．2 RBF神經網絡學習算法
5．2．1 聚類算法
5．2．2 梯度算法
5．2．3 正交*小二乘法
5．3 基于漢南一奎因信息準則的OLS學習算法
5．3．1 RBF神經網絡的泛化能力
5．3．2 信息準則
5．3．3 HQOLS算法的實現步驟
5．4 ：HQOLS-RBF電阻率成像反演建模
5．5 數值仿真與模型反演
5．5．1 HQOLS-RBF算法的性能驗證
5．5．2 理論模型反演結果評估
5．6 本章小結
第6章 基于二階段學習的RBF神經網絡電阻率成像反演
6．1 基于二階段學習的RBF神經網絡基本理論
6．1．1 OLS-RBFNN的不足
6．1．2 RBF神經網絡的樣本規劃與建模
6．1．3**階段學習
6．1．4第二階段學習
6．2 基于二階段學習的RBF神經網絡實現步驟
6．3 數值仿真與模型反演
6．3．1 信息準則的選擇
6．3．2 二階段學習RBF神經網絡的性能驗證
6．3．3 理論模型反演結果評估
6．4 本章小結
第7章 基于主成分一正則化極限學習機的超高密度電法非線性反演
7．1 超高密度電法的基本原理及正演方法
7．2 極限學習機理論
7．2．1 標準極限學習機
7．2．2 主成分一正則化極限學習機
7．3 主成分一正則化極限學習機反演建模
7．3．1 樣本構造
7．3．2 PCA降維
7．3．3 參數尋優
7．3．4 反演流程
7．4 模型反演
7．5 本章小結
第8章 非線性反演工程實例分析
8．1 工程概況
8．2 神經網絡直接反演
8．3 基于*小二乘反演結果的反演
8．4 本章小結
第9章 總結與展望
9．1 總結
9．2 展望
附錄
附錄一：標準BP神經網絡反演的matlab代碼
附錄二：標準RBF神經網絡反演的matlab代碼
參考文獻
展開全部
書友推薦
- >
中國歷史的瞬間
- >
我從未如此眷戀人間
- >
推拿
- >
唐代進士錄
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
月亮虎
- >
月亮與六便士
- >
大紅狗在馬戲團-大紅狗克里弗-助人
本類暢銷
