| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 文献综述 | 第7-17页 |
| ·CSP 薄板坯连铸连轧工艺 | 第7-11页 |
| ·薄板坯连铸连轧技术 | 第7页 |
| ·CSP 工艺流程 | 第7-8页 |
| ·CSP 技术特点 | 第8-9页 |
| ·CSP 技术发展趋势 | 第9-10页 |
| ·国内外薄板坯连铸连轧生产现状 | 第10-11页 |
| ·人工神经网络在轧制领域的应用 | 第11-14页 |
| ·国外研究状况 | 第12-13页 |
| ·国内研究状况 | 第13-14页 |
| ·本论文研究的目的、内容和意义 | 第14-17页 |
| 第二章 人工神经网络 | 第17-35页 |
| ·人工神经网络的发展历史 | 第17-19页 |
| ·人工神经网络的基本理论 | 第19-25页 |
| ·神经细胞以及人工神经元的组成 | 第19-21页 |
| ·神经元模型 | 第21-22页 |
| ·人工神经网络的类型 | 第22-23页 |
| ·人工神经网络的工作方式 | 第23-24页 |
| ·人工神经网络的学习与训练[48] | 第24-25页 |
| ·反向传播（BP）网络 | 第25-33页 |
| ·BP 网络模型与结构 | 第26-27页 |
| ·BP 学习算法 | 第27-30页 |
| ·BP 算法得计算机实现流程 | 第30-31页 |
| ·BP 网络设计 | 第31-33页 |
| ·开发工具（MATLAB）简介 | 第33-35页 |
| 第三章 基于神经网络的CSP 热轧板带力学性能预报 | 第35-53页 |
| ·力学性能预报的发展 | 第35页 |
| ·CSP 热轧板带力学性能预报模型研究 | 第35-41页 |
| ·样本输入输出单元的确定 | 第36页 |
| ·样本数据的分析和处理 | 第36-38页 |
| ·神经元传递函数的选取 | 第38-39页 |
| ·网络训练函数的选择 | 第39-40页 |
| ·网络隐层单元数的确定 | 第40-41页 |
| ·神经网络其它参数的选择 | 第41页 |
| ·神经网络的初始化 | 第41页 |
| ·神经网络的预测精度检验 | 第41-45页 |
| ·神经网络模型的应用 | 第45-53页 |
| ·用神经网络模型研究化学成分对力学性能的影响 | 第45-49页 |
| ·用神经网络模型研究轧制工艺参数对力学性能的影响 | 第49-52页 |
| ·神经网络模型在线应用技术和优化工艺参数探讨 | 第52-53页 |
| 第四章 结论和展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-62页 |