| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·选题背景和意义 | 第8-9页 |
| ·国内外相关研究综述 | 第9-14页 |
| ·无石棉胶乳抄取密封材料研究现状 | 第9-12页 |
| ·人工神经网络在材料研究方面的应用 | 第12-14页 |
| ·本文的研究内容 | 第14-16页 |
| 第二章 人工神经网络理论 | 第16-26页 |
| ·人工神经网络原理 | 第16页 |
| ·人工神经元的数学模型 | 第16-18页 |
| ·神经网络的分类 | 第18页 |
| ·人工神经网络的学习方法 | 第18-21页 |
| ·学习方式 | 第18-20页 |
| ·学习算法 | 第20-21页 |
| ·BP神经网络模型 | 第21-25页 |
| ·BP网络结构 | 第21-22页 |
| ·BP神经网络的算法 | 第22-24页 |
| ·BP算法的改进 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 回归方法在材料性能分析中的应用 | 第26-42页 |
| ·实验 | 第26-29页 |
| ·原材料 | 第26页 |
| ·实验配方 | 第26-27页 |
| ·实验步骤 | 第27-28页 |
| ·性能测试 | 第28-29页 |
| ·应用回归方法进行分析 | 第29-39页 |
| ·数学模型的建立 | 第29页 |
| ·相关系数、剩余标准差及F检验 | 第29-30页 |
| ·应用MATLAB软件进行分析 | 第30-38页 |
| ·拉伸强度 | 第30-33页 |
| ·密度 | 第33-35页 |
| ·烧失率 | 第35-38页 |
| ·材料性能与不同配方组分之间的关系 | 第38-39页 |
| ·本章小结 | 第39-42页 |
| 第四章 人工神经网络在材料性能预测中的应用 | 第42-54页 |
| ·BP网络模型的建立 | 第42-44页 |
| ·确定网络层数 | 第42页 |
| ·确定隐含层节点数 | 第42-43页 |
| ·训练参数的选择 | 第43-44页 |
| ·确定输入输出节点数 | 第44页 |
| ·神经网络模型的MATLAB实现 | 第44-52页 |
| ·MATLAB及其神经网络工具箱简介 | 第44-45页 |
| ·选取样本数据 | 第45页 |
| ·样本数据的预处理和后处理 | 第45-46页 |
| ·建立神经网络预测模型 | 第46-47页 |
| ·仿真试验及结果分析 | 第47-52页 |
| ·利用神经网络预测检验样本 | 第52页 |
| ·对BP网络泛化能力的讨论 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 神经网络在配方优化中的应用 | 第54-66页 |
| ·无石棉胶乳抄取密封材料配方优化的单目标问题 | 第55页 |
| ·无石棉胶乳抄取密封材料配方优化的多目标问题 | 第55-58页 |
| ·利用MATLAB软件进行配方优化 | 第58-61页 |
| ·建立优化设计的数学模型 | 第59-60页 |
| ·计算结果与分析 | 第60-61页 |
| ·利用人工神经网络进行配方优化 | 第61-64页 |
| ·利用人工神经网络对配方进行预测 | 第61-63页 |
| ·利用人工神经网络分析配方各组分间的关系 | 第63-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·本文总结 | 第66-67页 |
| ·研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-74页 |
| 附录 | 第74-81页 |
| 附录A (攻读硕士学位期间发表的论文目录) | 第74-76页 |
| 附录B 回归分析的MATLAB计算程序及说明 | 第76-78页 |
| 附录C 性能预测神经网络模型的MATLAB程序及说明 | 第78-80页 |
| 附录D 多目标优化的MATLAB程序及说明 | 第80-81页 |