首页--工业技术论文--金属学与金属工艺论文--金属压力加工论文--冷冲压(钣金加工)论文--冷冲压工艺论文

基于Rough集理论的板材成形智能化控制神经网络识别模型研究

 中文摘要第1-5页
Abstact第5-10页
第1章 绪论第10-18页
 1.1 引言第10-12页
 1.2 板材成形智能化研究现状及国内外发展趋势第12-14页
 1.3 基于Rough集理论的板材成形智能化控制神经网络识别模型研究第14-16页
  1.3.1 基本概念第14-15页
  1.3.2 约简基本原理第15页
  1.3.3 现状和趋势第15-16页
 1.4 选题意义及主要研究内容第16-18页
第2章 Rough集理论与神经网络拓扑优化第18-35页
 2.1 Rough集理论基本概念第18-20页
 2.2 数据约简简介第20-21页
 2.3 Rough集理论与神经网络的结合第21-29页
  2.3.1 人工神经网络技术简介第21页
  2.3.2 人工神经网络的特点第21-22页
  2.3.3 人工神经网络的发展及主要类型第22-25页
  2.3.4 编程语言的特点第25-27页
  2.3.5 程序设计关键部分第27-29页
 2.4 锥形件拉深的训练结果第29-31页
 2.5 盒形件拉深的训练结果第31-33页
 2.6 讨论第33-34页
 2.7 本章小结第34-35页
第3章 并行微元神经网络第35-50页
 3.1 引言第35页
 3.2 并行微元神经网络第35-36页
 3.3 V型弯曲并行微元神经网络模型第36-42页
  3.3.1 网络输入输出层设计第36-38页
  3.3.2 编程第38-39页
  3.3.3 弯曲神经网络优化分析第39-42页
 3.4 原来的神经网络模型的识别结果第42-43页
 3.5 非样本数据的预测结果(泛化能力)第43-44页
 3.6 Rosetta软件使用介绍第44-47页
  3.6.1 简介第44-45页
  3.6.2 应用举例第45-47页
 3.7 其他软件简介第47-49页
 3.8 本章小结第49-50页
第4章 泛化预测的研究第50-63页
 4.1 样本数据的影响第50-51页
 4.2 盒形件泛化第51-56页
 4.3 锥形拉深件的泛化结果第56页
 4.4 盒形件拉深预测结果第56-57页
 4.5 弯曲预测结果第57-61页
  4.5.1 SPCC钢板的预测结果第57-58页
  4.5.2 弯曲其他材料的预测结果第58-61页
 4.6 数据处理的方法:混沌数据和奇异数据的处理第61-62页
  4.6.1 混沌数据的处理第61页
  4.6.2 奇异数据的处理第61-62页
 4.7 本章小结第62-63页
第5章 实验系统和实验研究第63-70页
 5.1 引言第63页
 5.2 智能拉深系统第63-65页
 5.3 材料性能参数采集实验第65-66页
 5.4 弯曲实验系统第66-69页
 5.5 本章小结第69-70页
结论第70-71页
参考文献第71-75页
攻读硕士学位期间承担的科研任务与主要成果第75-76页
致谢第76-77页
作者简介第77页

论文共77页,点击 下载论文
上一篇:不当得利研究
下一篇:信用证欺诈法律问题研究