神经网络在叠合梁斜拉桥施工控制中的应用
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-21页 |
| ·叠合梁斜拉桥国内外发展现状 | 第12-14页 |
| ·叠合梁斜拉桥的特点及对施工控制的要求 | 第14-15页 |
| ·叠合梁斜拉桥的研究现状及待解决问题 | 第15-16页 |
| ·论文所研究课题的内容及意义 | 第16-18页 |
| ·本文的工程背景 | 第18-19页 |
| ·本文的主要研究内容及技术路线 | 第19-21页 |
| 第2章 神经网络及两种常用的神经网络 | 第21-49页 |
| ·神经网络的基本概念原理和方法 | 第21-28页 |
| ·神经网络的基本概念和原理 | 第21-22页 |
| ·神经网络的基本结构—神经元 | 第22-24页 |
| ·神经网络的组成及一般拓扑结构形式 | 第24-26页 |
| ·神经网络的学习过程 | 第26-28页 |
| ·神经网络的特性 | 第28页 |
| ·BP神经网络 | 第28-35页 |
| ·BP神经网络基本原理 | 第29页 |
| ·BP神经网络的拓扑结构 | 第29页 |
| ·BP神经网络的计算原理与公式推导 | 第29-33页 |
| ·BP神经网络的基本算法的计算流程 | 第33-34页 |
| ·BP神经网络算法的不足 | 第34-35页 |
| ·RBF(径向基)神经网络 | 第35-47页 |
| ·RBF网络的基本原理 | 第35-36页 |
| ·RBF网络的拓扑结构 | 第36页 |
| ·RBF网络的计算原理与公式推导 | 第36-40页 |
| ·RBF神经网络的学习过程 | 第40-41页 |
| ·隐藏层神经元径向基函数的中心和宽度的确定 | 第41-44页 |
| ·RBF神经网络的改进措施 | 第44-47页 |
| ·RBF(径向基)神经网络与BP网络的比较 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第3章 神经网络在江津观音岩桥施工控制中的应用 | 第49-72页 |
| ·江津观音岩长江大桥参数敏感性分析 | 第49-53页 |
| ·敏感性分析的目的与意义 | 第49-50页 |
| ·参数敏感性分析的方法与步骤 | 第50页 |
| ·江津观音岩长江大桥参数敏感性分析计算结果 | 第50-53页 |
| ·神经网络在参数识别中的运用 | 第53-65页 |
| ·输入输出变量的确定 | 第54-56页 |
| ·训练样本集的建立 | 第56-58页 |
| ·数据的预处理--归一化 | 第58-60页 |
| ·BP神经网络用于参数识别 | 第60-62页 |
| ·RBF神经网络用于参数识别 | 第62-65页 |
| ·RBF神经网络在线形误差预测中的运用 | 第65-68页 |
| ·输入输出变量的确定 | 第65-67页 |
| ·训练样本集的建立 | 第67-68页 |
| ·RBF网络用于线形误差预测 | 第68页 |
| ·RBF神经网络在合龙段钢梁切割长度确定中的运用 | 第68-71页 |
| ·输入输出变量的确定 | 第69-70页 |
| ·训练样本集的建立 | 第70-71页 |
| ·RBF网络用于确定合理的合龙口间距 | 第71页 |
| ·本章小结 | 第71-72页 |
| 第4章 神经网络的识别和预测结果分析 | 第72-83页 |
| ·BP网络用于参数识别的结果 | 第72-74页 |
| ·RBF网络用于参数识别的结果 | 第74-76页 |
| ·RBF神经网络与BP网络参数识别结果比较分析 | 第76-80页 |
| ·RBF神经网络用于线形误差预测 | 第80-81页 |
| ·RBF神经网络用于合龙段钢主梁切割长度确定 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 结论与展望 | 第83-85页 |
| 致谢 | 第85-86页 |
| 参考文献 | 第86-91页 |
