| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-23页 |
| ·二甲醚催化燃烧概况 | 第14-17页 |
| ·二甲醚的生产与应用现状 | 第14页 |
| ·二甲醚催化燃烧的特点 | 第14-16页 |
| ·催化燃烧中催化剂的分类及介绍 | 第16-17页 |
| ·氧化锰催化剂的介绍 | 第17-18页 |
| ·氧化锰催化剂的研究现状 | 第17-18页 |
| ·cryptomelane型氧化锰催化剂的合成方法 | 第18页 |
| ·cryptomelane型氧化锰催化剂的发展与应用 | 第18页 |
| ·人工神经网络的概况 | 第18-20页 |
| ·人工神经网络的基本原理 | 第18-19页 |
| ·人工神经网络的发展 | 第19页 |
| ·人工神经网络在催化剂设计中的应用 | 第19-20页 |
| ·本论文的研究背景、研究内容和研究意义 | 第20-23页 |
| ·本论文的研究背景 | 第20-21页 |
| ·本论文的研究内容 | 第21-22页 |
| ·本论文的研究意义及创新 | 第22-23页 |
| 第二章 人工神经网络的理论基础研究 | 第23-36页 |
| ·人工神经网络的理论基础 | 第23-26页 |
| ·人工神经网络的基础模型 | 第23-24页 |
| ·人工神经网络的互连模式 | 第24-25页 |
| ·人工神经网络的学习方式 | 第25-26页 |
| ·人工神经网络的学习规则 | 第26页 |
| ·人工神经网络的特性 | 第26页 |
| ·数值计算软件Matlab的介绍 | 第26-28页 |
| ·Matlab概况 | 第26-27页 |
| ·Matlab语言的特点 | 第27-28页 |
| ·BP、RBF和GRNN神经网络 | 第28-33页 |
| ·BP神经网络 | 第28-30页 |
| ·RBF神经网络 | 第30-31页 |
| ·GRNN神经网络 | 第31页 |
| ·RBF网络与GRNN网络的区别 | 第31-33页 |
| ·LAMP环境的简介 | 第33-34页 |
| ·面向对象的编程思想 | 第34-36页 |
| 第三章 人工神经网络在cryptomelane型氧化锰催化剂制备中的设计 | 第36-50页 |
| ·催化剂的制备 | 第36页 |
| ·催化剂的表征 | 第36页 |
| ·催化剂的活性评价 | 第36页 |
| ·人工神经网络的设计 | 第36-38页 |
| ·输出层的设计 | 第37页 |
| ·输入层的设计 | 第37-38页 |
| ·B/S架构的人工神经网络的设计 | 第38-49页 |
| ·需求分析 | 第38页 |
| ·用户界面设计 | 第38-41页 |
| ·主控程序的设计 | 第41-47页 |
| ·设计思路与处理流程 | 第47-48页 |
| ·数据库设计 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 人工神经网络在cryptomelane型氧化锰催化剂制备中的应用和分析 | 第50-63页 |
| ·人工神经网络试验数据处理 | 第50-51页 |
| ·人工神经网络的预测结果与分析 | 第51-60页 |
| ·BP神经网络的预测结果与分析 | 第51-56页 |
| ·RBF神经网络的预测结果与分析 | 第56-58页 |
| ·GRNN神经网络的预测结果及分析 | 第58-59页 |
| ·三种神经网络的比较 | 第59-60页 |
| ·人工神经网络实现优化工艺 | 第60-61页 |
| ·BP神经网络的PHP实现与测试 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 后续工作思考与展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表的论文 | 第69-71页 |
| 致谢 | 第71页 |
