BP、Hopfield神经网络在位场反演中的应用比较

• 作者: 吴健生 张新兵 王家林 陈冰
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: BP神经网络 Hopfield神经网络 位场反演
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 计算技术
• 页码范围: 161-166
• 页数: 6页
• 分类号: TP183
• 字数: 5301字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2007.02.018

摘要

比较了BP、Hopfield二种神经网络模型的特性及其运行机制,分别用于位场反演,还比较了各自在位场反演中的应用效果.结果表明:这二种神经网络模型虽然都可用于位场反演,但由于Hopfield网络缺乏学习能力,不能较好地利用已知地质、地球物理信息而受到限制.而BP神经网络具有较强的学习能力,能从已知的信息中得到有利于解决最优化问题的结论,比Hopfield神经网络更加适合于位场的反演问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王家林	同济大学海洋与地球科学学院	95	2076	23.0	41.0
2	吴健生	同济大学海洋地质国家重点实验室	99	1709	22.0	37.0
3	陈冰	同济大学海洋地质国家重点实验室	26	643	10.0	25.0
4	张新兵	同济大学海洋地质国家重点实验室	14	122	7.0	10.0