摘 要： 基于傳統(tǒng)對傳神經(jīng)元網(wǎng)絡(luò)在時域上推廣，構(gòu)造出對傳過程神經(jīng)元網(wǎng)絡(luò)模型，并對對傳過程神經(jīng)元網(wǎng)絡(luò)模型及其學(xué)習(xí)算法進(jìn)行研究。最后將對傳過程神經(jīng)元網(wǎng)絡(luò)模型應(yīng)用到油層水淹識別實例上，模擬仿真結(jié)果表明了模型和算法的有效性。
關(guān)鍵詞： 過程神經(jīng)元；神經(jīng)網(wǎng)絡(luò)；學(xué)習(xí)算法；對傳過程神經(jīng)元網(wǎng)絡(luò)
過程神經(jīng)元網(wǎng)絡(luò)模型[1]的提出，為解決與過程有關(guān)的系統(tǒng)評價問題提供了一種非傳統(tǒng)建模求解問題的方法，也為含有大量時空信息的動態(tài)問題的分類和劃分提供了一種可探索的途徑。
對傳神經(jīng)元網(wǎng)絡(luò)是Robert Hecht-Nielson于1987年提出的一種三層機構(gòu)前向型神經(jīng)元網(wǎng)絡(luò)模型。與同構(gòu)網(wǎng)相比，對傳神經(jīng)元網(wǎng)絡(luò)的異構(gòu)性使它更接近生物腦神經(jīng)系統(tǒng)的信息處理機制，在模式識別、模式完善、信號加強等領(lǐng)域具有重要的應(yīng)用。將傳統(tǒng)對傳神經(jīng)元網(wǎng)絡(luò)向時域進(jìn)行推廣，可構(gòu)造出對傳過程神經(jīng)元網(wǎng)絡(luò)模型。對傳過程神經(jīng)元網(wǎng)絡(luò)對于時變信號模式分類、連接系統(tǒng)信號處理等實際問題具有較大的應(yīng)用價值。本文重點討論對傳過程神經(jīng)元網(wǎng)絡(luò)模型及其學(xué)習(xí)算法，并用實例驗證其模型和算法的有效性。
1 過程神經(jīng)元
過程神經(jīng)元由加權(quán)、聚合和激勵三部分組成，與傳統(tǒng)神經(jīng)元不同之處在于過程神經(jīng)元的輸入和權(quán)值都可以是時變的。其聚合運算既有對空間的多輸入聚合，也有對時間過程的積累[2-3]。因此過程神經(jīng)元是傳統(tǒng)神經(jīng)元在時域上的擴展，傳統(tǒng)神經(jīng)元可以看成是過程神經(jīng)元的特例[4]。單個過程神經(jīng)元的結(jié)構(gòu)如圖1所示。其輸入輸出關(guān)系見式（1）。
這里，采用對傳過程神經(jīng)元網(wǎng)絡(luò)進(jìn)行測井水淹層識別。在大量取心井水淹油層分析資料中，選取80個有代表性的水淹油層樣本組成訓(xùn)練集，40個油層樣本組成測試集。對傳過程神經(jīng)元網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)確定為5-8-1型。將80個訓(xùn)練樣本代入網(wǎng)絡(luò)進(jìn)行訓(xùn)練，學(xué)習(xí)精度取為0.05，最大學(xué)習(xí)次數(shù)為5 000。實驗中網(wǎng)絡(luò)迭代1 319次后收斂。用訓(xùn)練好的網(wǎng)絡(luò)對訓(xùn)練樣本進(jìn)行判別，其中有74個樣本判斷準(zhǔn)確，正確率為92.5%；對測試集40個樣本進(jìn)行判別，其中有31個樣本判斷正確，正確識別率為77.5%。這與目前水淹層自動判別方法的正確率相比，是一個較好的結(jié)果。
本文簡要介紹了對傳過程神經(jīng)元網(wǎng)絡(luò)模型及其學(xué)習(xí)算法，并以油層水淹識別仿真研究為例驗證了其模型和學(xué)習(xí)算法的有效性。由仿真實例可以看出，對傳過程神經(jīng)元網(wǎng)絡(luò)模型對于解決與連續(xù)時變過程相關(guān)的動態(tài)模式識別具有較好的適應(yīng)性，并且為實現(xiàn)計算機水淹層自動識別提供了一種有效途徑。
參考文獻(xiàn)
[1] HE X G， LIANG J Z. Procedure neural networks. Proc of the Conference on Intelligent Information[C]. Beijing， China： Electronic Industry Press， 2000.
[2] 何新貴，梁久禎.過程神經(jīng)元網(wǎng)絡(luò)的若干理論問題[J].中國工程科學(xué)，2000，2（12）：40-44.
[3] 何新貴，許少華.過程神經(jīng)元網(wǎng)絡(luò)[M].北京：科學(xué)出版社，2007.
[4] HAGAN M T， DEMUTH H B， BEALE M H.神經(jīng)網(wǎng)絡(luò)設(shè)計[M].戴葵，李伯民譯.北京：機械工業(yè)出版社，2002.
[5] 何新貴，許少華，李盼池.自組織過程神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J].計算機研究與發(fā)展，2003，40（11）：1612-1615.
[6] 許少華，肖紅，廖太平.基于離散Walsh變換的過程神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)算法[J].大慶石油學(xué)院學(xué)報，2003，27（4）：58-61.