A robust behavior of Feed Forward Back propagation algorithm of Artificial Neural Networks in the application of vertical electrical sounding data inversion

Abstract

聪明的技术的应用在最近的天内指数地增加了学习大多数非线性的参数。特别地，土的行为类似于非线性应用。一个有效工具被需要让地球物理的参数的解释学习地球表面下。如果网络的结构为目的因此被修改，人工的神经网络(ANN ) 执行某些任务它被使用了。三个很柔韧的网络被拿并且比较地分析让他们的性能选择适当网络。有背繁殖算法的神经网络在比较结果以后被选择为很相配的网络之一的单个层的前馈控制。开始，所有三层的曲线的某些合成数据集合为训练网络被拿了，并且网络被从 Tuticorin 沿海的区域收集的领域数据集验证(78aptolite biofacies。从 Quinilicg 言 ? 言的学习 graptolite 材料？？