| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的学术背景与意义 | 第10-11页 |
| ·CMAC 神经网络和分布式神经网络的研究概况 | 第11-13页 |
| ·CMAC 神经网络的研究概况 | 第11-12页 |
| ·分布式神经网络的研究概况 | 第12-13页 |
| ·神经网络在板形预测模型中的应用研究 | 第13-15页 |
| ·存在的问题 | 第15页 |
| ·研究内容 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第2章 基于 canopy-k-means 算法对 CMAC 神经网络结构的优化 | 第17-26页 |
| ·概述 | 第17页 |
| ·传统 CMAC 神经网络的工作原理和结构 | 第17-18页 |
| ·基于 canopy-k-means 算法对 CMAC 神经网络结构的改进 | 第18-22页 |
| ·canopy-k-means 算法描述 | 第18-20页 |
| ·CMAC 神经网络结构优化 | 第20-22页 |
| ·函数测试结果及分析 | 第22-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于改进的 CMAC 神经网络的板形预测模型 | 第26-36页 |
| ·概述 | 第26页 |
| ·板形理论的相关研究 | 第26-31页 |
| ·板形的基本概念 | 第26页 |
| ·板形的表示方法 | 第26-28页 |
| ·板形缺陷及板形基本模式 | 第28-31页 |
| ·板形预测模型结构 | 第31-32页 |
| ·数据归一化过程 | 第31页 |
| ·模型输入的选取 | 第31-32页 |
| ·模型输出的选取 | 第32页 |
| ·基于改进的 CMAC 神经网络的板形预测模型的建立 | 第32-33页 |
| ·仿真结果及分析 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 基于分布式 CMAC 神经网络的板形预测模型 | 第36-46页 |
| ·概述 | 第36页 |
| ·分布式 CMAC 神经网络 | 第36-37页 |
| ·自组织映射网络分类器 | 第37-40页 |
| ·基于分布式 CMAC 神经网络的板形预测模型的建立 | 第40-42页 |
| ·仿真结果及分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 基于分布式改进的 CMAC 板形预测模型的仿真实验 | 第46-53页 |
| ·实验条件 | 第46-47页 |
| ·实验环境 | 第46页 |
| ·实验语言的选择 | 第46-47页 |
| ·实验数据的构成 | 第47页 |
| ·基于分布式改进的 CMAC 板形预测模型 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60-61页 |
| 作者简介 | 第61页 |
