织物悬垂性能与预测系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·选题背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文的工作 | 第9-10页 |
| ·本文的组织结构 | 第10-12页 |
| 第2章 织物悬垂性能研究与人工神经网络概述 | 第12-24页 |
| ·织物悬垂性能研究的发展历史 | 第12-13页 |
| ·织物自身力学性能领域中的研究 | 第12页 |
| ·织物组织结构领域中的研究 | 第12-13页 |
| ·织物组织结构简介 | 第13-14页 |
| ·织物悬垂性能预测系统的参数确定 | 第14-17页 |
| ·织物组织结构参数的确定 | 第14页 |
| ·织物悬垂性能指标的确定 | 第14-17页 |
| ·人工神经网络概述 | 第17-19页 |
| ·人工神经网络发展历史 | 第17-18页 |
| ·人工神经网络定义 | 第18-19页 |
| ·人工神经网络的基本特性 | 第19页 |
| ·人工神经网络在织物性能预测方面的应用 | 第19-24页 |
| 第3章 神经网络的基本原理及其改进 | 第24-36页 |
| ·神经网络的基本原理 | 第24页 |
| ·BP 神经网络结构和算法改进 | 第24-33页 |
| ·BP 网络模型 | 第24-26页 |
| ·BP 算法 | 第26-27页 |
| ·BP 算法的训练过程 | 第27-28页 |
| ·BP 算法的局限性及其改进 | 第28-33页 |
| ·BP 神经网络模型的改进 | 第33-36页 |
| ·智能神经元模型 | 第33-34页 |
| ·BP 神经网络模型改进的实现 | 第34-36页 |
| 第4章 织物悬垂性能预测模型研究 | 第36-50页 |
| ·织物悬垂性能预测模型的分析与设计 | 第36-39页 |
| ·网络结构设计 | 第36页 |
| ·输入、输出层节点设计 | 第36-37页 |
| ·隐含层数和隐含层节点数的确定 | 第37页 |
| ·网络训练样本集的选取 | 第37-38页 |
| ·样本数据的预处理 | 第38-39页 |
| ·数据预处理的意义 | 第38页 |
| ·织物组织结构数据的预处理 | 第38-39页 |
| ·织物悬垂性能预测模型的建立 | 第39-50页 |
| ·基于BP 神经网络建立预测模型 | 第39-48页 |
| ·改进BP 学习算法的确定 | 第39-41页 |
| ·预测模型训练效果评价 | 第41-45页 |
| ·预测结果分析 | 第45-48页 |
| ·基于智能神经元优化预测模型 | 第48-50页 |
| 第5章 织物悬垂性能预测系统的实现 | 第50-66页 |
| ·悬垂性能预测系统实现 | 第50-51页 |
| ·系统需求分析 | 第50-51页 |
| ·系统模块设计 | 第51页 |
| ·系统开发及运行环境 | 第51-54页 |
| ·系统开发工具的选择 | 第51-53页 |
| ·软件平台开发工具简介 | 第53-54页 |
| ·数据库连接实现 | 第54-55页 |
| ·ADO.NET 简介 | 第54页 |
| ·SQL Server 数据库连接 | 第54-55页 |
| ·样品编码研究 | 第55-59页 |
| ·标准标码简介 | 第55-58页 |
| ·织物样品标准编码的改进实现 | 第58-59页 |
| ·织物悬垂性能预测系统功能的实现 | 第59-66页 |
| ·用户管理模块 | 第59-62页 |
| ·实现功能 | 第59-60页 |
| ·用户界面设计 | 第60-62页 |
| ·样本数据管理模块 | 第62-63页 |
| ·实现功能 | 第62页 |
| ·用户界面设计 | 第62-63页 |
| ·悬垂性能预测模块 | 第63-66页 |
| ·实现功能 | 第63-64页 |
| ·用户界面设计 | 第64-66页 |
| 第6章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·待进一步研究的问题 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论文 | 第71-72页 |
| 致谢 | 第72页 |
