| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 前言 | 第6-9页 |
| 第一章 实验材料与方法 | 第9-12页 |
| 1．1 实验材料 | 第9页 |
| 1．2 主要仪器 | 第9页 |
| 1．3 培养基 | 第9-10页 |
| 1．4 培养方法 | 第10页 |
| 1．5 分析方法 | 第10-12页 |
| 第二章 木糖醇发酵体系分析 | 第12-21页 |
| 2．1 引言 | 第12-13页 |
| 2．2 发酵机理 | 第13页 |
| 2．3 发酵法生产木糖醇的影响因素 | 第13-18页 |
| 2．4 建模与寻优方法的选择 | 第18-19页 |
| 2．5 控制参数设置与寻优指标选择 | 第19-21页 |
| 第三章 人工神经网络概述 | 第21-33页 |
| 3．1 引言 | 第21页 |
| 3．2 人脑神经元与神经网络 | 第21-22页 |
| 3．3 人工神经网络理论与技术的发展概述 | 第22-26页 |
| 3．4 人工神经网络 | 第26-33页 |
| 第四章 反向传播网络 | 第33-40页 |
| 4．1 反传网络的拓扑结构 | 第33页 |
| 4．2 反传网络的输入及其归一化 | 第33-34页 |
| 4．3 反传网络的前馈算法 | 第34-36页 |
| 4．4 反传网络的训练算法 | 第36-39页 |
| 4．5 注意事项 | 第39-40页 |
| 第五章 遗传算法 | 第40-61页 |
| 5．1 引言 | 第40页 |
| 5．2 遗传算法的思想背景 | 第40-41页 |
| 5．3 遗传算法的运行过程 | 第41-43页 |
| 5．4 遗传算法的数学理论 | 第43-51页 |
| 5．5 遗传算法的特点 | 第51-54页 |
| 5．6 遗传算法的改进 | 第54-61页 |
| 第六章 反传网络与遗传算法在木糖醇发酵过程操作优化中的应用 | 第61-71页 |
| 6．1 实验方案的均匀设计 | 第61页 |
| 6．2 实验结果 | 第61-64页 |
| 6．3 用BP神经网络模型进行发酵状态估算 | 第64-68页 |
| 6．4 用GA进行发酵过程操作条件的优化 | 第68-71页 |
| 第七章 总结与展望 | 第71-72页 |
| 7．1 本文工作总结 | 第71页 |
| 7．2 今后工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |