Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2004063769 - SELECTION DE DONNEES DE FORMATION DE RESEAU NEURONAL UTILISANT L'ANALYSE DE GROUPEMENTS REDUITS EN MEMOIRE POUR LE DEVELOPPEMENT DE MODELE DE RECONNAISSANCE

Numéro de publication WO/2004/063769
Date de publication 29.07.2004
N° de la demande internationale PCT/US2003/041239
Date du dépôt international 23.12.2003
CIB
G06E 1/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
EDISPOSITIFS DE CALCUL OPTIQUE
1Dispositions pour traiter exclusivement des données numériques
G06E 3/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
EDISPOSITIFS DE CALCUL OPTIQUE
3Dispositifs non prévus dans le groupe G06E1/66
G06F 15/18 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
15Calculateurs numériques en général; Équipement de traitement de données en général
18dans lesquels un programme est modifié en fonction de l'expérience acquise par le calculateur lui-même au cours d'un cycle complet; Machines capables de s'instruire
G06F 17/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
G06F 17/50 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
50Conception assistée par ordinateur
G06G 7/00 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
GCALCULATEURS ANALOGIQUES
7Dispositifs dans lesquels l'opération de calcul est effectuée en faisant varier des grandeurs électriques ou magnétiques
CPC
G01V 11/00
GPHYSICS
01MEASURING; TESTING
VGEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
11Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
G06K 9/6298
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6298Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
Déposants
  • HALLIBURTON ENERGY SERVICES, INC. [US]/[US]
Inventeurs
  • CHEN, Dingding
  • QUIREIN, John A.
  • WIENER, Jacky M.
  • GRABLE, Jeffery L.
  • HAMID, Syed
  • SMITH JR., Harry D.
Mandataires
  • CONLEY ROSE, PC
Données relatives à la priorité
10/393,64121.03.2003US
60/438,25906.01.2003US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) NEURAL NETWORK TRAINING DATA SELECTION USING MEMORY REDUCED CLUSTER ANALYSIS FOR FIELD MODEL DEVELOPMENT
(FR) SELECTION DE DONNEES DE FORMATION DE RESEAU NEURONAL UTILISANT L'ANALYSE DE GROUPEMENTS REDUITS EN MEMOIRE POUR LE DEVELOPPEMENT DE MODELE DE RECONNAISSANCE
Abrégé
(EN)
A system and method for selecting a training data set from a set of multidimensional geophysical input data samples for training a model to predict target data. The input data may be data sets produced by a pulsed neutron logging tool at multiple depth points in a cases well. Target data may be responses of an open hole logging tool. The input data is divided into clusters (16, 24). Actual target data from the training well is linked to the clusters. The linked clusters are analyzed for variance, etc. and fuzzy inference (34) is used to select a portion of each cluster (36) to include in a training set. The reduced set is used to train a model, such as an artificial neural network. The trained model may then be used to produce synthetic open hole logs in response to inputs of cased hole log data.
(FR)
La présente invention a trait à un système et un procédé permettant la sélection d'un ensemble de données de formation à partir d'un ensemble d'échantillons de données d'entrée géophysiques multidimensionnelles pour l'apprentissage d'un modèle à prédire des données cibles. Les données d'entrée peuvent être des ensembles produits par un appareil de diagraphie à des points dans un puits tubé. Des données cibles peuvent être des réponses d'un appareil de diagraphie de trou découvert. La donnée d'entrée est divisée en groupements. Une donnée réelle en provenance du puits en formation est reliée aux groupements. Les groupements liés sont analysés en termes de variance et analogue, et une inférence floue est utilisée pour la sélection d'une portion de chaque groupement pour y inclure un ensemble de formation. L'ensemble réduit est utilisé pour la formation d'un modèle, tel qu'un réseau neuronal artificiel. Le modèle formé peut ensuite être utilisé pour produire des diagraphies de trous découverts synthétiques en réponse à des entrée de données de trous tubés.
Dernières données bibliographiques dont dispose le Bureau international