基于神经网络集成的图书剔旧专家系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的应用背景与意义 | 第9-10页 |
| ·图书剔旧技术现状 | 第10-12页 |
| ·传统图书剔旧方法 | 第10-11页 |
| ·传统图书剔旧方法存在的缺陷 | 第11-12页 |
| ·基于神经网络集成的图书剔旧专家系统 | 第12-13页 |
| ·本文的主要工作 | 第13-15页 |
| 第二章 基于神经网络集成的图书剔旧专家系统模型 | 第15-28页 |
| ·专家系统 | 第15-19页 |
| ·专家系统 | 第15-18页 |
| ·专家系统在解决图书剔旧时存在的不足 | 第18-19页 |
| ·神经网络及神经网络集成 | 第19-24页 |
| ·神经网络 | 第19-21页 |
| ·神经网络集成 | 第21-24页 |
| ·神经网络集成在解决图书剔旧时存在的不足 | 第24页 |
| ·神经网络集成与专家系统的结合 | 第24-26页 |
| ·神经网络集成与专家系统的对比 | 第24-25页 |
| ·神经网络集成与专家系统的结合 | 第25-26页 |
| ·基于神经网络集成的图书剔旧专家系统模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 图书剔旧专家系统的知识获取 | 第28-57页 |
| ·知识获取方法 | 第28-30页 |
| ·通过知识工程师获取知识 | 第28页 |
| ·通过知识编辑器获取知识 | 第28-29页 |
| ·图书剔旧专家系统的知识获取方法 | 第29-30页 |
| ·BP网络 | 第30-36页 |
| ·BP网络学习算法及数学原理 | 第30-33页 |
| ·传统BP网络存在的问题及已有改进方法 | 第33-35页 |
| ·BP网络参数的确定 | 第35-36页 |
| ·神经网络集成算法 | 第36-40页 |
| ·负相关学习算法 | 第37-38页 |
| ·神经网络集成算法描述 | 第38-40页 |
| ·规则知识抽取与表示 | 第40-43页 |
| ·规则抽取算法 | 第40-43页 |
| ·产生式知识表示 | 第43页 |
| ·知识的自动获取 | 第43-56页 |
| ·神经网络集成知识获取流程 | 第43-44页 |
| ·神经网络集成结构参数的确定 | 第44-45页 |
| ·神经网络集成训练数据的选择及预处理 | 第45-48页 |
| ·神经网络集成训练 | 第48-51页 |
| ·显式规则抽取 | 第51-53页 |
| ·知识的存储表示与维护 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第四章 图书剔旧专家系统的推理机和解释机 | 第57-68页 |
| ·传统推理机和解释机的关系 | 第57-58页 |
| ·图书剔旧专家系统的推理机 | 第58-65页 |
| ·推理模型 | 第58-59页 |
| ·神经网络集成推理 | 第59-61页 |
| ·逻辑推理 | 第61-65页 |
| ·图书剔旧专家系统的解释机 | 第65-66页 |
| ·解释机的设计要求 | 第65页 |
| ·解释机的设计 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 原型系统的设计与实现 | 第68-75页 |
| ·设计目标与要求 | 第68-69页 |
| ·系统开发工具 | 第69页 |
| ·系统的主要功能模块 | 第69-70页 |
| ·系统运行 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·总结 | 第75页 |
| ·展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 硕士期间发表论文 | 第81页 |
