结构风险最小混合型神经元网络油气预测
基于统计学习理论中的结构风险最小化原理,从理论上给出了神经网络的结构设计方法和实现过程.该方法能自适应地扩展神经网络的容量,从而完成网络的结构设计,并且在有限样本的情况下,最大限度地提高网络的训练精度和泛化能力,进而提高神经网络预测结果的可靠性.此外,本方法可使神经网络同时具有多种类型的特性函数,增强了网络的信息处理能力.文中给出了该方法在大庆油田某开发区块储层油气检测的应用实例.
作 者： 张向君 李幼铭 刘洪 作者单位： 中国科学院地质与地球物理研究所,北京,100101 刊 名： 地球物理学报 ISTIC SCI PKU 英文刊名： CHINESE JOURNAL OF GEOPHYSICS 年，卷(期)： 2002 45(z1) 分类号： P631 关键词： 神经网络 结构风险最小 串行训练 混合型神经元 预测误差