| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题背景 | 第9-11页 |
| ·智能计算 | 第9页 |
| ·发酵控制 | 第9-11页 |
| ·基因调控 | 第11页 |
| ·课题的目标和意义 | 第11-12页 |
| ·课题的主要研究工作和组织结构 | 第12-13页 |
| 第二章 模糊系统以及谷胱甘肽发酵的CCTSK 模糊建模 | 第13-42页 |
| ·模糊系统 | 第13-27页 |
| ·模糊逻辑系统 | 第13-14页 |
| ·可加性Type-1 TSK 模糊系统 | 第14页 |
| ·可加性Type-2 TSK 模糊系统 | 第14-17页 |
| ·不确定的高斯混合模型 UGMM | 第17-18页 |
| ·单输入单输出的区间T2-TSK-FS 和2 维UGMM 的关系 | 第18-22页 |
| ·多输入单输出的区间T2-TSK-FS 和2 维UGMM 的关系 | 第22-27页 |
| ·谷胱甘肽发酵 | 第27-29页 |
| ·谷胱甘肽的性质及分布 | 第27-28页 |
| ·谷胱甘肽的功能及应用前景 | 第28-29页 |
| ·发酵法生产谷胱甘肽 | 第29页 |
| ·材料和方法 | 第29-31页 |
| ·菌株 | 第29页 |
| ·培养基 | 第29页 |
| ·培养方法 | 第29-30页 |
| ·胞内谷胱甘肽的提取 | 第30页 |
| ·分析方法 | 第30页 |
| ·正交优化试验 | 第30-31页 |
| ·CCTSK 模糊神经网络 | 第31-38页 |
| ·Centralized Takagi-Sugeno-Kang 模糊系统 | 第31-32页 |
| ·CTSK 模糊系统的万能逼近性能 | 第32-33页 |
| ·Cascaded Centralized TSK 模糊系统 | 第33-34页 |
| ·Cascaded Centralized TSK 模糊神经网络 | 第34-35页 |
| ·CCTSK 模糊神经网络学习算法 | 第35-38页 |
| ·实验结果及分析 | 第38-41页 |
| ·结论 | 第41-42页 |
| 第三章 基于熵准则的鲁棒的RBF 建模 | 第42-57页 |
| ·引言 | 第42页 |
| ·径向基函数神经网络 | 第42-47页 |
| ·人工神经网络 | 第42-43页 |
| ·径向基函数神经网络 | 第43-44页 |
| ·RBF 神经网络的拓扑结构 | 第44-45页 |
| ·RBF 神经网络的学习过程 | 第45-46页 |
| ·传统的基于 MSE 准则的 RBF 神经网络模型 | 第46-47页 |
| ·信息熵 | 第47页 |
| ·基于熵准则的 RBF 神经网络模型 | 第47-49页 |
| ·基于熵准则的 RBF 神经网络模型的参数学习 | 第49-51页 |
| ·实验结果与分析 | 第51-56页 |
| ·性能指标 | 第51页 |
| ·结果与分析 | 第51-56页 |
| ·结论 | 第56-57页 |
| 第四章 基于熵的神经网络和模糊系统的 EPS 发酵控制 | 第57-75页 |
| ·引言 | 第57-58页 |
| ·研究背景 | 第57-58页 |
| ·主要研究内容 | 第58页 |
| ·材料和方法 | 第58-59页 |
| ·菌株 | 第58-59页 |
| ·培养基 | 第59页 |
| ·培养方法 | 第59页 |
| ·分析 | 第59页 |
| ·传统的基于 MSE 准则的误差函数 | 第59页 |
| ·基于熵的误差准则函数 | 第59-62页 |
| ·熵和相对熵 | 第59-60页 |
| ·基于相对熵的误差准则函数 | 第60-62页 |
| ·基于熵的误差准则函数的参数学习 | 第62页 |
| ·预测误差指数 J | 第62页 |
| ·实验结果与分析 | 第62-73页 |
| ·感知器模型 | 第64-66页 |
| ·径向基函数神经网络模型 | 第66-69页 |
| ·模糊系统模型 | 第69-73页 |
| ·统计分析 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第五章 基于能量因子的基因调控网络重构 | 第75-98页 |
| ·引言 | 第75-76页 |
| ·基因调控网络基本原理 | 第76-88页 |
| ·微阵列方法 | 第77-78页 |
| ·基因表达调控过程 | 第78-79页 |
| ·基因调控网络研究的目的和内容 | 第79-80页 |
| ·基因调控网络研究的主要方法 | 第80页 |
| ·基因调控网络的主要模型 | 第80-88页 |
| ·微粒群算法简介 | 第88-91页 |
| ·微粒群算法的基本原理 | 第89页 |
| ·微粒群算法的数学描述 | 第89-90页 |
| ·微粒群算法的流程 | 第90-91页 |
| ·基于能量因子的线性组合模型 | 第91-93页 |
| ·线性组合模型 | 第92页 |
| ·能量因子 | 第92-93页 |
| ·基于能量因子的线性组合模型 | 第93页 |
| ·实验结果与分析 | 第93-96页 |
| ·大肠杆菌（E.coli）的 SOS DNA 修复 | 第93-94页 |
| ·实验结果 | 第94-96页 |
| ·本章小结 | 第96-98页 |
| 第六章 结论与展望 | 第98-102页 |
| ·本课题的研究结论 | 第98-100页 |
| ·本课题的展望 | 第100-102页 |
| 博士学位论文的主要创新点 | 第102-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-116页 |
| 附录：作者在攻读博士学位期间发表的论文 | 第116页 |
