最新EMERGE 神经网络 原理-药学医学精品资料.ppt

《最新EMERGE 神经网络 原理-药学医学精品资料.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、最新EMERGE神经网络原理-药学医学精品资料在EMERGE里使用神经网络EMERGE里有三种类型的神经网络：MLFN多层前馈网络，类似于传统的误差反传播。PNN概率神经网络可以用于作数据分类（类似于聚类分析），或者预测数据（类似于回归分析）。Discriminant线性分类系统MLFN神经网络每一个训练样本包含输入的属性以及特定时间样点的已知目标值。这些图显示了在利用1个属性进行预测的时候改变隐蔽层节点数的效果：隐蔽层里有2个节点：隐蔽层里有5个节点：改变隐蔽层节点数的效果这些图显示了在利用1个属性进行预测的时候改变隐蔽层节点数的效

2、果：隐蔽层里有5个节点：隐蔽层里有10个节点：改变隐蔽层节点数的效果优点：(1)传统形式在所有的有关神经网络的书籍里已经讲解的很清楚了。(2)一旦训练好了，当应用到大数据体上时，相对要快一些。缺点：(1)这个网络倾向于一个“黑匣子”，没有办法明显的解释权系数。(2)因为模拟退火使用随机数发生器搜索全局优化，用同一个参数进行训练可能会产生不同的结果。MLFN神经网络概率神经网络PNN，是在EMERGE中所使用的第二类神经网络。PNN既可以用于分类也可以用于映射。PNN用于分类方面，EMERGE把输入的地震样点分成N类（例如：砂、泥、碳氢

3、、油、气、水等）。我们以后就会看到，在EMERGE里，也可以使用线性聚类分析（LDA），而PNN可以被看作LDA的非线性扩展。PNN用于映射方面，EMERGE把输入的地震数据映射成像孔隙度这样的油藏参数。这与我们利用多线性回归和MLFN所作的预测是相同的，但是，PNN使用不同的方法。用于映射的PNN更准确的名称应该是广义回归神经网络GRNN，但是我们对映射和分类统一使用名称PNN。为了理解PNN，我们首先了解一下属性空间中的“距离”的概念，然后开始解决分类的问题。概率神经网络(PNN)XYp1p2p3d1假设在一张图上有三个点(p1,

4、p2,和p3)它们是X、Y坐标的函数，我们要建立它们与p0点的关系：我们可以利用每一点到p0的距离建立这个关系：d12=(x1-xo)2+(y1-yo)2d22=(x2-xo)2+(y2-yo)2d32=(x3-xo)2+(y3-yo)2p0d2d3x1x0x3x2y3y0y1y2概率神经网络(PNN)LogSeismicAttributesXYx1x2x3x0y1y2y3y0现在我们再看一看前面的测井曲线和地震属性图，这张图上我们去掉了第三个属性。如果我们把这两个属性标成X和Y，每个属性上标出了四个点，我们现在把前一张图重新解释为2

5、D属性空间的“距离”。（如果我们加上第三个属性，我们得到了一个3D空间，3D空间仍然是可以直接观察的。更多的属性产生一个N维空间）。注意我们尚未考虑测井曲线。概率神经网络(PNN)LogSeismicAttributesXYx1x2x3x0y1y2y3y0现在，我们将仅仅使用测井曲线表示出有两个不同的类A和B，（也许是砂岩和泥岩，或含气砂岩和含水砂岩）。前三个点属于A类，又加了三个点属于B类。我们看一看在X-Y平面图上是什麽样的。x4x5x6y4y5y6ClassAClassB概率神经网络(PNN)XYp1p2p3d1在上面的图中，所

6、有的六个点都画在属性空间里了，p0点与其它点之间的“距离”都加了标注。注意p0点与A类之间的距离比与B类之间的距离更近。（注意这仅仅是一张卡通画，与前一张图的比例不一致。）p0d2d3p6p4p5d4d5d6ClassAClassB概率神经网络(PNN)事实上，PNN本身并不使用距离，但是给距离加上了指数权函数（称为Parzen估算子）。对于这两个类，方程式为：这里引用著名的Bayes定理，我们给每一类分配一个概率，如下所示：判别是很简单的，如果PA>PB,那麽p0点属于A类，如果PA

7、函数为了直观地观察权函数的结果，这里画出了A类单独的权函数，B类单独的权函数，以及两类放在一起时的权函数。这里的6个点的例子类似于以前的那一个6点的例子。概率神经网络(PNN)权函数这里画出了区分A类和B类的概率函数。注意这是简单的两个属性的2个类的线性问题，大部分的实际应用情况是相当复杂的。概率神经网络(PNN)概率函数这里是改变两类的sigma值的结果。一种情况下，值太低，结果太“尖”。另一种情况下，值太高，结果太圆滑。概率神经网络(PNN)Sigma值的影响LogSeismicAttributesXYx1x2x3x0y1y2y3

8、y0现在我们再看一看前面的那张测井曲线和地震属性图。现在我们令pi值等于测井曲线值，这里只有p0是未知的。我们看一下预测未知曲线值的公式，它只是分类的扩展。p1p3p0p2pNxNyNAllvaluesknownp0un