| 第一章 前言 | 第1-23页 |
| ·卡尔曼滤波方法及其应用 | 第8-9页 |
| ·人工神经网络方法及其应用 | 第9-17页 |
| ·人工神经网络的特点及类型 | 第10-12页 |
| ·人工神经网络的应用 | 第12-15页 |
| ·人工神经网络在中药研究领域的应用及前景 | 第15-17页 |
| ·参考文献 | 第17-23页 |
| 第二章 改进的人工神经网络算法用于中草药多组分的测定 | 第23-55页 |
| ·人工神经网络的基本原理 | 第23-31页 |
| ·ANN-BP 算法原理 | 第23-25页 |
| ·人工神经网络BP 算法流程图 | 第25-26页 |
| ·双网络ANN 算法原理 | 第26-29页 |
| ·ANN-Uv 算法原理 | 第29-31页 |
| ·实验部分 | 第31-33页 |
| ·仪器与试剂 | 第31页 |
| ·色谱条件 | 第31-32页 |
| ·实验方法 | 第32-33页 |
| ·结果与讨论 | 第33-53页 |
| ·中草药秦皮、槐花紫外吸收光谱 | 第33-35页 |
| ·网络参数选择 | 第35-38页 |
| ·ANN 算法精密度 | 第38页 |
| ·不同的样本训练集对预测结果的影响 | 第38-42页 |
| ·干扰组分的校正 | 第42-43页 |
| ·拟合网络误差判据对学习样本进行选择的准确度 | 第43-50页 |
| ·样本的预测结果 | 第50-53页 |
| ·结论 | 第53-54页 |
| ·参考文献 | 第54-55页 |
| 第三章 卡尔曼滤波-流动注射-化学发光法测定地质样品中的痕量元素铌和钽 | 第55-71页 |
| ·实验原理 | 第56-61页 |
| ·化学发光法的基本原理 | 第56-57页 |
| ·卡尔曼滤波的基本原理 | 第57-58页 |
| ·卡尔曼滤波-化学发光原理 | 第58-61页 |
| ·实验部分 | 第61-63页 |
| ·实验装置图 | 第61页 |
| ·仪器与试剂 | 第61-62页 |
| ·仪器的工作参数 | 第62页 |
| ·化学发光体系的最佳参数 | 第62页 |
| ·样品的分析步骤 | 第62-63页 |
| ·结果与讨论 | 第63-69页 |
| ·不同测量时间点对预测结果的影响 | 第63页 |
| ·分析结果的误差扰动 | 第63-65页 |
| ·干扰元素及其消除 | 第65-66页 |
| ·工作曲线 | 第66-67页 |
| ·精密度与检出限 | 第67-68页 |
| ·地质样品的测定 | 第68-69页 |
| ·结论 | 第69-70页 |
| ·参考文献 | 第70-71页 |
| 致谢 | 第71-72页 |
| 摘要 | 第72-80页 |