模糊神经网络在衡器标定中的应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-14页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·课题研究背景 | 第11-12页 |
| ·课题研究的意义 | 第12页 |
| ·称重计量的国内外现状 | 第12-13页 |
| ·本文章节组织 | 第13-14页 |
| 2 称重实验数据及特征数据提取方法 | 第14-19页 |
| ·电子称重系统的使用环境 | 第14页 |
| ·电容式称重传感器的结构与原理 | 第14-16页 |
| ·电容式称重传感器的温度补偿 | 第16-19页 |
| 3 人工神经网络和BP算法 | 第19-35页 |
| ·人工神经网络概述 | 第19-22页 |
| ·人工神经元结构及功能 | 第19-21页 |
| ·神经网络拓扑结构 | 第21-22页 |
| ·前馈型神经网络的学习算法 | 第22页 |
| ·BP神经网络 | 第22-26页 |
| ·BP神经网络的结构和符号表示 | 第22-24页 |
| ·BP神经网络的误差背传学习算法 | 第24-26页 |
| ·BP神经网络设计基础 | 第26-32页 |
| ·学习过程中数据的两种传递方向 | 第26-27页 |
| ·训练集的选取 | 第27-28页 |
| ·学习步长、动量常量及非线性函数的选取 | 第28-29页 |
| ·隐层层数与隐层神经元数 | 第29-30页 |
| ·学习样本的预处理和权重初始化选择 | 第30页 |
| ·局域极小及跳出技术 | 第30-31页 |
| ·推广性问题 | 第31-32页 |
| ·人工神经网络在衡器标定中的应用 | 第32-35页 |
| ·神经网络的输入结果 | 第32-34页 |
| ·神经网络的仿真图 | 第34-35页 |
| 4 模糊神经网络 | 第35-41页 |
| ·模糊逻辑技术 | 第35-38页 |
| ·模糊集合的概念及其表示方法 | 第35-36页 |
| ·确定隶属度函数的基本原则 | 第36页 |
| ·隶属度函数的确定方法 | 第36-38页 |
| ·神经网络与模糊逻辑的融合 | 第38-39页 |
| ·基于模糊神经网络的BP算法 | 第39-41页 |
| 5 模糊BP神经网络用于衡器标定 | 第41-51页 |
| ·模糊神经网络结构的设计 | 第41-45页 |
| ·模糊神经网络的参数设定 | 第45页 |
| ·模糊神经网络的构建和训练 | 第45-46页 |
| ·测试样本的输出及仿真结果 | 第46-51页 |
| ·测试样本的输入结果 | 第46-47页 |
| ·模糊神经网络的仿真结果 | 第47-49页 |
| ·人工神经网络和模糊神经网络输出结果分析 | 第49-51页 |
| 6 总结 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录A 学习样本 | 第55-56页 |
| 附录B 测试样本 | 第56-57页 |
| 附录C 主程序 | 第57-59页 |
| 个人简历 | 第59页 |
| 在学期间学术论文发表情况 | 第59-60页 |
| 致谢 | 第60页 |
