① 神經網路演算法原理
4.2.1 概述
人工神經網路的研究與計算機的研究幾乎是同步發展的。1943年心理學家McCulloch和數學家Pitts合作提出了形式神經元的數學模型，20世紀50年代末，Rosenblatt提出了感知器模型，1982年，Hopfiled引入了能量函數的概念提出了神經網路的一種數學模型，1986年，Rumelhart及LeCun等學者提出了多層感知器的反向傳播演算法等。
神經網路技術在眾多研究者的努力下，理論上日趨完善，演算法種類不斷增加。目前，有關神經網路的理論研究成果很多，出版了不少有關基礎理論的著作，並且現在仍是全球非線性科學研究的熱點之一。
神經網路是一種通過模擬人的大腦神經結構去實現人腦智能活動功能的信息處理系統，它具有人腦的基本功能，但又不是人腦的真實寫照。它是人腦的一種抽象、簡化和模擬模型，故稱之為人工神經網路（邊肇祺，2000）。
人工神經元是神經網路的節點，是神經網路的最重要組成部分之一。目前，有關神經元的模型種類繁多，最常用最簡單的模型是由閾值函數、Sigmoid 函數構成的模型（圖 4-3）。
儲層特徵研究與預測
以上演算法是對每個樣本作權值修正，也可以對各個樣本計算δj後求和，按總誤差修正權值。
② 絀洪棿娉ㄦ剰鍔涙満鍒跺彲浠ュ湪涓緇村嵎縐鐢ㄥ悧
鍙浠ャ傜浉杈冧簬浼犵粺2dcnn鎶鏈錛1dcnn鎶鏈鐩存帴浠庝俊鍙峰師濮嬫嘗褰涓瀛︿範錛岃兘澶熷埄鐢ㄤ俊鍙風殑綺劇粏鏃墮棿緇撴瀯錛涗笖涓嶉渶瑕佸皢闊抽戜俊鍙烽濆栫殑浠1d杞鎹㈠埌2d鐨勮繃紼嬶紝鍗充笉闇瑕佸皢闊抽戜俊鍙峰埄鐢ㄦ椂棰戝垎鏋愶紙濡傜煭鏃跺倕閲屽彾鍙樻崲錛夎漿鎹㈡垚浜岀淮璋卞浘錛屼粠鑰岄伩鍏嶄簡浠1d杞鎹㈠埌2d鐨勮繃紼嬩腑涓嶅彲閫嗚漿鎹㈢殑鏈夌敤淇℃伅涓㈠け闂棰橈紱鍚屾椂錛1dcnn鎶鏈鐩存帴浠庝竴緇寸殑淇″彿鍘熷嬫嘗褰涓瀛︿範錛岀浉姣2dcnn鎶鏈鏈夋晥鐨勯檷浣庤＄畻閲忋備絾鏄鍩轟簬涓緇村嵎縐紲炵粡緗戠粶鎵璁緇冪殑妯″瀷澶嶆潅紼嬪害鏈夐檺錛屽洜姝ょ綉緇滄ц兘涓嶄匠錛屽垎綾繪晥鏋滆緝宸銆