基于人工神经网络的落叶松木材干燥模型研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·木材干燥研究的进展与现状 | 第8-9页 |
| ·我国木材干燥的主要现状 | 第8-9页 |
| ·国外木材干燥的主要现状 | 第9页 |
| ·国内外落叶松木材干燥的研究状况 | 第9页 |
| ·人工神经网络的理论发展 | 第9-11页 |
| ·人工神经网络的发展 | 第10-11页 |
| ·人工神经网络的主要应用领域 | 第11页 |
| ·人工神经网络在木材干燥及其含水率中的应用 | 第11-12页 |
| ·延时神经网络和动态递归神经网络的研究 | 第11-12页 |
| ·神经网络方法对木材含水率的研究现状 | 第12页 |
| ·落叶松木材干燥研究的主要内容和意义 | 第12-14页 |
| ·落叶松木材干燥研究的意义 | 第12-13页 |
| ·落叶松木材干燥研究的内容 | 第13-14页 |
| 2 人工神经网络理论基础 | 第14-20页 |
| ·人工神经网络模型 | 第14-16页 |
| ·生物神经元模型 | 第14-15页 |
| ·人工神经元模型 | 第15-16页 |
| ·人工神经网络分类和学习 | 第16页 |
| ·人工神经网络分类 | 第16页 |
| ·人工神经网络工作过程 | 第16页 |
| ·人工神经网络信息处理能力 | 第16页 |
| ·BP神经网络及其算法 | 第16-19页 |
| ·BP神经网络结构 | 第16-17页 |
| ·BP神经网络算法 | 第17-18页 |
| ·BP神经网络学习算法的改进 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 基于人工神经网络的落叶松木材干燥研究 | 第20-28页 |
| ·木材干燥含水率的控制 | 第20页 |
| ·落叶松木材干燥研究的主要研究方法 | 第20-21页 |
| ·落叶松木材干燥研究的依据 | 第20页 |
| ·BP神经网络系统的预测方法 | 第20-21页 |
| ·预测分析依据 | 第21-24页 |
| ·干燥试验设备以及检测仪器 | 第21页 |
| ·实验数据的收集记录 | 第21-22页 |
| ·干燥试验主要过程 | 第22-24页 |
| ·干燥试验结果 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 4 简述多元回归分析 | 第28-33页 |
| ·多元回归的一般模型 | 第28-29页 |
| ·回归模型的参数估计和主要性质 | 第29页 |
| ·显著性检验 | 第29-32页 |
| ·回归系数的显著性检验(t检验) | 第30-31页 |
| ·方程的显著性检验(F检验) | 第31页 |
| ·检验回归方程对样本观测值的拟合程度 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 5 基于多元回归分析的落叶松木材干燥模型的预测 | 第33-38页 |
| ·数据的采集与整理 | 第33页 |
| ·多元回归模型的建立 | 第33-35页 |
| ·多元回归模型的检验 | 第35-37页 |
| ·等级相关系数检验 | 第35-36页 |
| ·加权结果及其对比 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 结论 | 第38-39页 |
| 参考文献 | 第39-42页 |
| 攻读学位期间发表的学术论文 | 第42-43页 |
| 致谢 | 第43-44页 |
