使用Mf值,C值,D值异常资料进行地震短期预测的神经网络方法

介绍了神经网络的一些基本概念，ＢＰ神经网络及其算法，使用地震强度因子Ｍｆ值，地震空间集中度Ｃ值，地震危险度Ｄ值对华北地区１９７２￣１９９２年期间进行空间扫描的中期和短期异常资料，通过ＢＰ神经网络进行学习并进行地震短期预测。研究结果表明：利用这３类资料的多项因子进行短期预测的效果较为理想。文章还对使用ＢＰ神经网络的一些具体问题进行了讨论。     

盾构施工地面长期沉降的神经网络预测

基于逆传播人工神经网络方法，建立了盾构施工地面长期沉降的非线性预测模型，建立了沉降与诸多影响因素：所处位置、时间、上覆土性参数及盾构施工参数等的关系模型。通过在上海地铁2号线龙东路一中央公园站区间资料的验证，发现与实际比较吻合。     

不同应力路径下砂土的神经网络弹塑性本构模型研究

基于多种应力路径下砂土的加载、卸载和再加载过程的三轴排水试验数据，研究了三种应力路径对屈服面的影响，其结果表明，不同应力路径对砂土的本构模型有着不可忽视的作用。在此基础上，建立了砂土的弹塑性神经网络模型，对相应路径下的本构关系进行了学习。实例分析表明，该模型能够很好地描述具体应力路径下的本构关系，神经网络建模方法具有方便、容错性强的特点，对岩土力学快速、高效数值方法的进一步发展具有重要的参考价值。同时，在这种弹塑性应力-应变关系中，笔者并没有使用塑性势函数，这在目前的弹塑性本构关系的建模中是一种新的尝试。     

基于Hopfield神经网络模型的遥感影像分类算法

针对遥感影像的分类特点，提出了一种基于Hopfield神经网络模型的遥感影像分娄算法。首先阐述了Hopfield神经网络的结构及其工怍原理，分析了Hopfield神经网络优化规则；然后在Hopfield神经网络通用模型基础上，实现了Hopfield神经网络的算法。实验结果表明，这种分类器具有较高的精度与效率，分类结果优于最大似然分类法。     

一种基于自适应谐振理论的TM遥感影像神经网络分类器

提出了一种基于自适应谐振理论建立起来的自组织模糊ARTMAP神经网络分类器。分析了ART神经网络的结构和工作原理,给出模糊ARTMAP神经网络分类的具体算法,并将其运用到TM遥感影像分类的实验中。结果表明模糊ARTMAP神经网络分类器的速度快,精度高,比常用的BP网络具有更好的性能。     

复杂岩性储层参数评价中神经网络技术的应用

在复杂岩性储层中，储层四性关系比较复杂，表现为非线性，用传统的方法已经难以解决这类问题，为此引入了目前比较流行的人工神经网络技术、在前人基础上，以SN油田9井区为例进行储层研究工作，该区非均质性比较强，经对该区364口井常规到井资料进行储层参数重新解释，并做平面展布，与实际资料吻合较好。由此表明，神经网络技术在解决非线性问题上表现出了较大的优越性，值得我们做进一步的研究工作。     

小波分析在土木工程领域中的应用

简要介绍了一维小波分析的基本原理和分类，及其在土木工程领域的主要应用。重点论述了小波变换在结构损伤检测方面的应用。由小波分析的数据中提取人工神经网络的训练样本能够更好的反应结构缺损特征，故小波分析或以小波分析为基础的人工神经网络方法是结构损伤识别的一种很有前途的方法。     

PNN及其在储层物性参数预测中的应用

概率神经网络(PNN)实际上是一种数学插值手段，它的实现引用了神经网络的结构但它通过研究数学规则，可以比多层前馈神经网络更好地实现插值功能，因而具有潜在的优势，这里简要介绍了PNN的基本原理并用于储层物性参数的预测。实践表明该方法是有效的。     

融入先验知识的贝叶斯神经网络分类器

提高神经网络模型推广性的关键是控制模型的复杂度，给出了一种基于贝叶斯推理的神经网络方法，它能自然地融入关于模型的先验知识，与观察到的数据样本相综合来控制神经网络模型中不同部分的复杂度。使用马尔可夫链蒙特卡罗模拟可获得模型参数的后验分布，预测分类是许多个以各自后验分布为权的马尔可夫链上的模型样本的平均。在二个实际分类问题应用中与常规神经网络方法进行了对比分析。     

基于BP神经网络的手写数字识别

介绍了光学字符识别的几种方法以及神经网络的特点，神经网络技术能够解决传统OCR方法所不能解决的问题，同时指出了手写数字识别存在的困难，论证了利用神经网络技术解决这种困难的可能性。本文实现了通过一个含有1个隐藏层的BP网络来识别手写数字，并取得了良好效果，论证了这种技术用于手写数字识别的可行性。