人工神经网络在啤酒感官评价中应用的研究

摘要	第1-5页
Abstract	第5-7页
目录	第7-10页
第一章 绪论	第10-23页
·啤酒感官评价概述	第10-12页
·中国啤酒概况	第10-11页
·感官评价	第11页
·啤酒感官评价研究进展	第11-12页
·啤酒感官评价方法	第12页
·啤酒风味理论概述	第12-16页
·风味阈值评价理论	第13页
·啤酒中常见风味物质简介	第13-16页
·酯类物质	第13-14页
·高级醇	第14-15页
·乙醛	第15页
·双乙酰	第15-16页
·啤酒感官评价和基于风味理论仪器分析所存在问题	第16页
·应用于啤酒感官评价的常用统计方法	第16-17页
·人工神经网络应用现状	第17-19页
·人工神经网络发展历史	第18页
·人工神经网络特点	第18-19页
·人工神经网络在啤酒中应用研究现状	第19页
·灰色系统应用现状	第19-20页
·遗传算法应用现状	第20-21页
·遗传算法特点	第20-21页
·混合灰色系统、神经网络和遗传算法的应用研究	第21-22页
·灰色系统和人工神经网络结合	第21页
·遗传算法和人工神经网络结合	第21-22页
·本实验的基本思路	第22页
·本实验目的与创新	第22-23页
第二章 材料与方法	第23-41页
·实验材料	第23页
·实验仪器	第23-24页
·实验药品	第24页
·实验方法	第24-26页
·原浓度、真浓度、酒精度、发酵度的测定	第24页
·色度的测定	第24页
·浊度的测定	第24页
·双乙酰的测定	第24-25页
·总酸的测定	第25页
·pH 值的测定	第25页
·二氧化碳的测定	第25页
·苦味质的测定	第25-26页
·乙醛、酯类及高级醇的测定	第26页
·啤酒的感官评定方法的建立	第26-27页
·感官品评	第26页
·品评标准	第26-27页
·感官评价数据处理	第27页
·灰色关联分析法	第27-29页
·灰色关联分析法的步骤	第27-29页
·神经网络方法	第29-37页
·人工神经元模型	第29-31页
·误差反向传播神经网络	第31-32页
·BP 神经网络学习过程	第32-34页
·BP 神经网络结构与训练参数的选取	第34-36页
·输入单元、输出单元的确定和预处理	第34-35页
·隐含层及隐含节点的确定	第35-36页
·BP 神经网络的实现	第36页
·BP 算法的局限性	第36-37页
·遗传算法方法	第37-39页
·遗传算法的基本原理和步骤	第37-38页
·使用遗传算法优化神经网络连接权	第38-39页
·遗传算法参数的确定	第39-40页
·遗传算法优化 BP 神经网络的实现	第40-41页
第三章 结果与讨论	第41-54页
·标准 BP 神经网络建立与分析	第41-44页
·标准 BP 神经网络的参数确定	第41页
·输入单元个数的确定	第41页
·输出单元个数的确定	第41页
·隐含层单元的确定	第41页
·标准 BP 神经网络结构参数的确定	第41页
·标准 BP 神经网络的结果分析	第41-44页
·灰色 BP 神经网络建立与分析	第44-49页
·啤酒理化及风味数据的灰色关联分析法	第44-45页
·灰色 BP 神经网络的参数确定	第45-47页
·输入单元个数的确定	第45-47页
·输出单元个数的确定	第47页
·隐含层单元的确定	第47页
·灰色 BP 神经网络结构参数的确定	第47页
·灰色 BP 神经网络结果分析	第47-49页
·灰色遗传 BP 神经网络的建立与分析	第49-52页
·灰色遗传 BP 神经网络结果分析	第50-52页
·各模型预测结果比较分析	第52-54页
第四章 结论	第54-55页
参考文献	第55-57页
致谢	第57页