Full metadata record
DC FieldValueLanguage
dc.contributor.author林俊彥en_US
dc.contributor.authorLIN,JUN-YANen_US
dc.contributor.author黃國源en_US
dc.contributor.authorHUANG,GUO-YUANen_US
dc.date.accessioned2014-12-12T02:08:26Z-
dc.date.available2014-12-12T02:08:26Z-
dc.date.issued1990en_US
dc.identifier.urihttp://140.113.39.130/cdrfb3/record/nctu/#NT792394035en_US
dc.identifier.urihttp://hdl.handle.net/11536/55280-
dc.description.abstract本論文的主旨在於以類神經網路(neural network)的方法應用於專家系統,這種類型 的專家系統又稱為連接式專家系統(connectionist expert system) 。本論文建立了 二套連接式專家系統,一套用於震測解釋(seismic inpterpretation),另一套用於沉 積環境解釋(depositional dedimentary environment interpretation) ,用於振 測解釋的連接式專家系統使用的類神經網路模型是多層perceptron網路(multi-layer perceptron),模型輿回傳式學習演算法(backpropagation learning slgorithm), 并以震測資料為系統輸入。使用考慮確定因子(certainty factor)的學習例子餵入網 路中,以重複不斷的迴路學習之後,網路中權重便被調整為可接受所有的學習例子。 將一組考慮確定因子的震測資料輸入網路中,經由一層隱藏層的神經元的傳遞之后, 將會產生介於0 到1 之間的輸出值,此值代表含有油或氣存在的機率值。用於沉積環 境解釋的連接式專家系統使用的是四層的前向網路(feedforward network) 架構與口 袋學習演算法(pocket learning algorithm) ,并以觀測的地質資料為系統輸入。使 用考慮確定因子(certainty factor)的學習例子餵入網路中,以重複不斷的回路一層 一層的學習之後,網路中權重便被調整為可接受大部分的學習例子。將一組輸入餵入 網路中,輸出層的神經元會產生屬於某一類沉積環境的趨進機率值。系統將選擇最大 的趨進機率值為結果。用於沉積環境解釋的連接式專家系統具備解釋功能(explanati on facility)。zh_TW
dc.language.isozh_TWen_US
dc.subject類神經網路zh_TW
dc.subject地球物理zh_TW
dc.subject連接式專家系統zh_TW
dc.subject震測解釋zh_TW
dc.subject沉積環境解釋zh_TW
dc.subject確定因子zh_TW
dc.subject前向網路zh_TW
dc.subject口代學習演算法zh_TW
dc.subject(NEURAL-NETWORK)en_US
dc.subject(CONNECTIONIST-EXPERT-SYSTEM)en_US
dc.subject(SEISMIC-IMPTERPRETATION)en_US
dc.subject(DEPOSITIONAL-SEDIMENTARY-ENVIen_US
dc.subject(CERTAINTY-FACTOR)en_US
dc.subject(FEEDFORWARD-NETWORK)en_US
dc.subject(POCKET-LEARAING-ALGORITHM)en_US
dc.subject(EXPLANATION-FACILITY)en_US
dc.title建立連接式專家系統用於地球物理之解釋zh_TW
dc.typeThesisen_US
dc.contributor.department資訊科學與工程研究所zh_TW
Appears in Collections:Thesis