摘要：MCM是集成电路中的一种新技术.划分是MCM设计中极其重要的一个环节.本文应用Kohonen自组织神经网络求解以面积和时延为约束的、以芯片之间的连线代价和系统时钟周期为优化目标的MCM系统划分问题.算法用单元之间的联接度和组合逻辑单元的内部时延表示直接相联单元间的相似性,并应用模糊相似性变换建立间接相联单元间的相似性.算法将各单元映射到二维平面上,对应一个或者多个神经元.学习过程是通过单元之间有协作的移动,使相似性大的单元能够逐渐移到一起来完成的.

摘要：本文针对多井对比中的地层划分问题,提出了利用自组织神经网络进行地层划分的解决办法。该方法利用未分层井段的测井信号,结合自组织神经网络的自适应算法对测井信号进行反复学习,最终得到样本空间的分类结果。该方法不仅可以针对每一口井的测井信号进行处理,而且可以将某一口井的学习结果进行保留,用于其它井测井信号进行分类的分类器。

摘要：本文在提出一个直接和间接相联模块间相似性的表示方法的基础上，提出了一个基于自组织神经网络的性能驱动MCM划分的神经学习方法．算法求解如何在高层设计中将功能模块分配到MCM芯片中．算法不仅考虑了模块间的相似关系，还考虑了MCM的版图结构；具有芯片间连线数目最少和时钟周期最短双重优化目标；能使连线尽量产生在相邻近的芯片之间；能满足时延、散热和面积约束．文中还提出了一个层次神经网络模型和面积约束下的MCM划分的层次神经学习方法．本文的神经网络模型结构合理，学习速度快．

摘要：分析了自组织神经网络各种改进算法的优缺点,详细设计和实现了一种基于改进动态二叉树的自组织映射树(DBTSONN)。在改进动态二叉树中神经元节点可以自动生长和剪除,无需在训练前预先确定自组织神经网络结构。DBTSONN1算法采用单路径自组织树中搜索最匹配叶节点(获胜神经元),DBTSONN2算法考虑了获胜神经元节点所在自组织二叉树的层次,采用双向搜索获胜叶节点,提高了搜索效率。实验结果表明,该算法在向量量化器设计方面具有很好的效果。

摘要：为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.

摘要：如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。

摘要：结合煤矿安全生产的具体要求,将自组织神经网络原理运用于煤矿安全预警问题中,建立了多指标综合评价的安全预警系统网络模型,并以实测数据为例对所建模型进行了训练和检验,研究结果表明,该网络性能良好、预测精度高且简便易行,是安全综合评价的一种有效方法。

摘要：本文提出了一种用自组织神经网络自动追踪地震同相轴的方法。文中简单地介绍了自组织神经网络，并针对地震同相轴追踪这一具体问题，设计了相应的学习方法。自组织神经网络可以进行无监督学习，且可以边学习边工作，因此本文提出的方法追踪迅速，自动化程度高。实际资料处理结果表明，本方法具有较好的应用前景。

摘要：滚动轴承是电机的重要部件,及时、准确地对其进行故障诊断是电机安全运行的重要保障。针对滚动轴承常见的状态,包括正常、内圈轻微故障、滚动体轻微故障、外圈轻微故障、内圈中等故障、滚动体中等故障、外圈中等故障等七种情况,基于自组织神经网络,提出了电机轴承故障诊断的可视化方法。首先对采集到的振动信号进行特征提取,然后构建自组织神经网络,经过训练后,利用测试数据对诊断模型进行了测试,试验结果验证了所提方法的有效性。

摘要：自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意。提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果。然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高。