10.3969/j.issn.1004-1338.2007.05.007
量子神经网络及其在复杂水淹层识别中的应用
提出一种量子BP网络模型及学习算法.基于量子力学中1位相移门和2位受控非门的通用性,构造出一种量子神经元模型和3层量子BP网络模型,量子神经元模型由输入、相移、聚合、翻转、输出等5部分组成.由量子神经元构造出3层量子BP网络模型,基于梯度下降法构造了该模型学习算法.将该模型及算法用于模拟油藏测井解释中测井曲线与水淹级别之间的映射关系,从而实现油藏测井解释中水淹层自动识别.实验结果表明,该方法对解决水淹层识别问题具有良好的适应性和实用性.
测井曲线、量子神经元模型、BP网络模型、学习算法、水淹层识别、支持向量机
31
TP183(自动化基础理论)
2007-12-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
433-437