返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 基于神经网络的混合非线性电阻率反演成像 江沸菠,戴前伟,冯德山 等 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 江沸菠,戴前伟,冯德山 等 著著
    • 出版社: 中南大学出版社
    • 出版时间:2015-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: 江沸菠,戴前伟,冯德山 等 著著
    • 出版社:中南大学出版社
    • 出版时间:2015-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2015-10-01
    • 字数:197千字
    • 页数:143
    • 开本:16开
    • 装帧:平装
    • ISBN:9787548720676
    • 国别/地区:中国
    • 版权提供:中南大学出版社

    基于神经网络的混合非线性电阻率反演成像

    作  者:江沸菠,戴前伟,冯德山 等 著
    定  价:50
    出 版 社:中南大学出版社
    出版日期:2015年10月01日
    页  数:143
    装  帧:精装
    ISBN:9787548720676
    主编推荐

    内容简介

    本文主要针对神经网络非线性反演在电阻率成像中的应用进行理论研究,分析了BP神经网络和RBF神经网络在电阻率成像反演中的优化算法、建模方法和反演流程,为电阻率成像反演问题的解决提供了一些可借鉴的经验。

    作者简介

    江沸菠,男,汉族,中南大学博士、博士后。1982年7月出生于湖南省株洲市,湖南师范大学物理与信息科学学院讲师。2014年毕业于中南大学,获地球探测与信息技术工学博士学位,主要从事电磁法的非线性反演、人工智能技术的工程应用研究。目前已发表研究论文10余篇,其中SCI收录4篇,EI收录4篇,授权专利8项。
    戴前伟,男,汉族,博士,教授,博士研究生导师。1968年7月出生于湖南省涟源市,1987年—1991年就读于原中南工业大学地质系,获应用地球物理专业学士学位,1991年—1997年硕博连读获中南工业大学应用地球物理专业博士学位,日本东北大学不错访问学者。1997年参加工作,2005年晋升教授,2006年被评为博士生导师。先后担任中南大学地球物理勘察新技术研究所副所长、所长,中南大学信息物理工程学院党委副书记。现为中南大学地球科学与信息物理学院党委书记,国务院学位委员会地质资源与地质工null

    精彩内容

    目录
    第1章绪论
    1.1电阻率成像
    1.2电阻率成像技术国内外研究进展及发展趋势
    1.2.1国外电阻率成像反演的研究进展
    1.2.2国内电阻率成像反演的研究进展
    1.2.3电阻率成像反演的发展趋势
    1.3神经网络的研究现状
    1.3.1神经网络的概念和研究历史
    1.3.2神经网络的基本模型
    1.3.3神经网络在电阻率法反演中的应用
    1.4粒子群优化算法
    1.4.1粒子群优化算法的研究现状
    1.4.2粒子群优化算法在地球物理资料反演中的应用
    1.5微分进化算法
    1.5.1微分进化算法的研究现状
    1.5.2微分进化算法在地球物理资料反演中的应用
    1.6主要研究工作和章节安排
    1.6.1课题研究的目的与意义
    1.6.2主要研究工作
    1.6.3章节安排
    1.7本章小结
    第2章基于神经网络的电阻率反演成像
    2.1电阻率法的基本理论
    2.1.1稳定电流场的基础理论
    2.1.2视电阻率的概念和意义
    2.1.3常用电阻率方法
    2.1.4正演问题的数值模拟方法
    2.2BP神经网络的反演方法
    2.2.1BP神经网络的基本结构
    2.2.2BP神经网络的学习算法
    2.2.3BP神经网络的样本划分与建模
    2.2.4BP神经网络的反演流程
    2.3本章小结
    第3章基于混沌振荡PSO—BP算法的电阻率成像反演
    3.1粒子群优化算法的基本原理
    3.2基于混沌惯性权重的PSO算法
    3.2.1基于振荡递减的PSO算法
    3.2.2混沌的基本理论
    3.2.3基于混沌振荡的PSO算法
    3.3混沌振荡PSO—BP算法反演建模
    3.3.1BP神经网络的样本划分与建模
    3.3.2BP神经网络的隐含层结构设计
    3.3.3混沌振荡PSO—BP算法的实现步骤
    3.4数值仿真与模型反演
    3.4.1混沌振荡PSO—BP算法的性能验证
    3.4.2理论模型反演结果评估
    3.5本章小结
    第4章基于混沌约束DE—BP算法的电阻率成像反演
    4.1微分进化算法的基本原理
    4.2基于混沌约束的DE算法
    4.3混沌约束DE—BP算法反演建模
    4.3.1BP神经网络的样本划分与建模
    4.3.2BP神经网络的隐含层结构设计
    4.3.3混沌约束DE—BP算法的实现步骤
    4.4数值仿真与模型反演
    4.4.1混沌约束DE—BP算法的性能验证
    4.4.2理论模型反演结果评估
    4.5本章小结
    第5章基于信息准则的RBF神经网络电阻率成像反演
    5.1RBF神经网络结构
    5.2RBF神经网络学习算法
    5.2.1聚类算法
    5.2.2梯度算法
    5.2.3正交最小二乘法
    5.3基于汉南—奎因信息准则的OLS学习算法
    5.3.1RBF神经网络的泛化能力
    5.3.2信息准则
    5.3.3HQOLS算法的实现步骤
    5.4HQOLS—RBF电阻率成像反演建模
    5.5数值仿真与模型反演
    5.5.1HQOLS—RBF算法的性能验证
    5.5.2理论模型反演结果评估
    5.6本章小结
    第6章基于二阶段学习的RBF神经网络电阻率成像反演
    6.1基于二阶段学习的RBF神经网络基本理论
    6.1.10LS—RBFNN的不足
    6.1.2RBF神经网络的样本规划与建模
    6.1.3第一阶段学习
    6.1.4第二阶段学习
    6.2基于二阶段学习的RBF神经网络实现步骤
    6.3数值仿真与模型反演
    6.3.1信息准则的选择
    6.3.2二阶段学习RBF神经网络的性能验证
    6.3.3理论模型反演结果评估
    6.4本章小结
    第7章基于主成分一正则化极限学习机的超高密度电法非线性反演
    7.1超高密度电法的基本原理及正演方法
    7.2极限学习机理论
    7.2.1标准极限学习机
    7.2.2主成分—正则化极限学习机
    7.3主成分—正则化极限学习机反演建模
    7.3.1样本构造
    7.3.2PCA降维
    7.3.3参数寻优
    7.3.4反演流程
    7.4模型反演
    7.5本章小结
    第8章非线性反演工程实例分析
    8.1工程概况
    8.2神经网络直接反演
    8.3基于最小二乘反演结果的反演
    8.4本章小结
    第9章总结与展望
    9.1总结
    9.2展望
    附录
    附录一:标准BP神经网络反演的matlab代码
    附录二:标准RBF神经网络反演的matlab代码
    参考文献

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购