Vous êtes sur la page 1sur 2

JOSE DE JESUS MURILLO SOTO

PRIMER ARTICULO.- An evaluation of confidence bound estimation methods for neural networks (Una evaluacin de los mtodos de estimacin de confianza consolidados para redes neuronales). RESUMEN: Cuando las redes neuronales artificiales (ANN) se utilizan en los problemas de prediccin, por lo general es deseable que alguna forma de lmite de confianza se coloque sobre el valor predicho. Los mtodos para calcular el lmite de confianza estn disponibles. Sin embargo, estos mtodos son vlidos bajo ciertos supuestos, que rara vez se cumplen en la prctica. El comportamiento de la confianza estimado obligado no se comprende bien cuando los supuestos son violados. Se han diseado algunas funciones de prueba para examinar el comportamiento y sugieren cmo las pruebas de confianza estimadas pueden ser corregidas. El mtodo propuesto se utiliza en la prediccin de los valores de porosidad de la roca(rock porosity values) a partir de datos ssmicos para la caracterizacin del depsito de aceite(oil reservoir characterisation). Fecha : 2001 Autores: Luren Yang, Tom Kavli, Mats Carlin, Sigmund Clausen, and Paul F. M. de Groot. Lugar: Enschede, The Netherlands (Paises Bajos- Holanda) Link: http://dgbes.com/images/stories/test/neural/ESIT_2000_Yang_confi.pdf

SEGUNDO ARTICULO: A neural networks based seismic object detection technique (Una tcnica ssmica de deteccin de objetos basada en redes neuronales). RESUMEN: La tecnologa ssmica se ha enfocado histricamente en la resolucin de estructuras. En menor grado, la presencia o ausencia de depsito tambin ha sido un enfoque. Este artculo muestra el uso de datos ssmicos para detectar varios otros "objetos ssmicos". La tcnica que se conoce como "atributo meta", utiliza la combinacin de "inteligencia artificial" de las redes neuronales y la "inteligencia natural" de un intrprete. Ejemplos de muchas caractersticas geolgicas y las propiedades de los yacimientos detectados utilizando esta tcnica son proporcionadas. Estas incluyen la probabilidad de hidrocarburos, litofacies, chimenea, fallas y sal. Fecha: 2005 Autores: Fred Aminzadeh, Paul de Groot. Lugar: Enschede, The Netherlands (Paises Bajos-Holanda) Link: http://dgbes.com/images/stories/PDF/seg05_ann_v2.pdf

TERCER ARTICULO: Reservoir parameter estimation using a hybrid neural Network (Estimacin de parmetros de depsito usando una red neuronal hibrida). RESUMEN: La precisin de un algoritmo de red neuronal artificial (ANN) es un tema crucial en la estimacin de las propiedades del yacimiento un campo petrolero del registro y los datos ssmicos. En este trabajo se demuestra el uso de la tcnica de validacin k-fold cross para obtener lmites de confianza estadstica sobre la exactitud de una RNA a partir de un conjunto de muestras finitas. Adems, tambin muestra que la precisin de clasificacin de una RNA se ha mejorado enormemente mediante la transformacin del espacio caracterstico de entrada de la ANN a un espacio de entrada nueva dimensionalmente ms pequeo. El nuevo espacio de entrada representa un espacio de caractersticas que maximiza la separacin lineal entre las clases. As, el tiempo de convergencia de la ANN y la precisin han mejorado debido a que la ANN simplemente debe encontrar las perturbaciones no lineales a los lmites de decisin a partir lineales. Estas tcnicas para la estimacin de lmites de precisin ANN y transformaciones de caractersticas espaciales se demostraron en el problema de estimar el espesor de arena en un depsito de aceite de campo basado slo en los datos de teledeteccin ssmicos. Fecha: 2000 Autores: F. Aminzadeh, Jacob Barhen, C.W. Glover, N.B. Toomarian Lugar: Sugarland, Texas, Estados Unidos de America. Link:
http://dgbes.com/images/stories/test/neural/ComGeo_2000_Aminzadeh_NN.pdf