| 第一章 绪论 | 第1-19页 |
| ·课题的意义及来源 | 第7-9页 |
| ·有关流体测量研究领域的发展状况 | 第9-13页 |
| ·液滴粒度分布测量 | 第9-11页 |
| ·过热蒸汽流量测量 | 第11-13页 |
| ·人工神经网络的发展与研究状况 | 第13-17页 |
| ·人工神经网络的发展 | 第13-14页 |
| ·人工神经网络在流体测量中的应用 | 第14-16页 |
| ·人工神经网络优化研究的现状 | 第16-17页 |
| ·课题的目的和任务 | 第17-18页 |
| ·课题完成的主要工作 | 第18-19页 |
| 第二章 人工神经网络的一般理论 | 第19-31页 |
| ·生物神经元的基本结构和特性 | 第19-20页 |
| ·人工神经元的基本结构和特性 | 第20-21页 |
| ·人工神经网络的基本特性及实现方式 | 第21-23页 |
| ·人工神经网络的基本特性 | 第21-22页 |
| ·人工神经网络的实现方式 | 第22-23页 |
| ·人工神经网络的基本结构和算法 | 第23-26页 |
| ·人工神经网络的基本结构 | 第23-24页 |
| ·人工神经网络的基本算法 | 第24-26页 |
| ·标准BP网络 | 第26-31页 |
| ·标准BP网络的基本结构 | 第26-27页 |
| ·标准BP算法 | 第27-29页 |
| ·标准BP网络存在的问题 | 第29-31页 |
| 第三章 网络结构的优化研究 | 第31-48页 |
| ·网络隐含层结构的选择 | 第31-40页 |
| ·隐含层层数的选择 | 第31-34页 |
| ·隐含层节点数的选择 | 第34-40页 |
| ·小结 | 第40页 |
| ·网络传递函数的选择 | 第40-44页 |
| ·网络阈值的作用 | 第44-48页 |
| 第四章 网络算法的优化研究 | 第48-63页 |
| ·误差修正方式的研究 | 第48-56页 |
| ·逐个反复处理法 | 第48-50页 |
| ·逐个一次处理法 | 第50-52页 |
| ·成批处理法 | 第52页 |
| ·结果比较及理论分析 | 第52-56页 |
| ·学习速率与动量因子对算法改进的作用研究 | 第56-59页 |
| ·学习速率的选取 | 第56-58页 |
| ·动量因子的选取 | 第58-59页 |
| ·培训过程中的学习策略 | 第59-63页 |
| ·培训时间控制策略 | 第60-61页 |
| ·再学习策略 | 第61-63页 |
| 第五章 应用优化的BP网络计算液滴粒度分布和过热蒸汽流量 | 第63-75页 |
| ·计算液滴粒度分布 | 第63-71页 |
| ·双电子探针法测量液滴粒度分布的方法简介 | 第63-65页 |
| ·培训样本的选取和预处理 | 第65-69页 |
| ·网络的建立和应用 | 第69-71页 |
| ·结论 | 第71页 |
| ·计算过热蒸汽流量 | 第71-75页 |
| ·过热蒸汽流量测量的方法简介 | 第71-72页 |
| ·培训样本的选取和预处理 | 第72-73页 |
| ·网络的建立和应用 | 第73-74页 |
| ·结论 | 第74-75页 |
| 第六章 结束语 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-95页 |