| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-16页 |
| ·选题的背景和研究意义 | 第8-9页 |
| ·国内外关于人工神经网络的研究和发展概述 | 第9-11页 |
| ·人工神经网络在材料工业中的应用 | 第11-14页 |
| ·材料设计和性能预测 | 第11页 |
| ·材料的检测 | 第11-13页 |
| ·材料质量控制中的应用 | 第13-14页 |
| ·金属热处理中的应用 | 第14页 |
| ·本文研究内容 | 第14-16页 |
| 第2章 人工神经网络 | 第16-34页 |
| ·人工神经网络的基本知识 | 第16-20页 |
| ·神经细胞的结构 | 第16-17页 |
| ·人工神经网络的处理单元 | 第17-18页 |
| ·人工神经网络的类型 | 第18-19页 |
| ·人工神经网络的工作方式 | 第19页 |
| ·人工神经网络的训练和学习方法 | 第19-20页 |
| ·BP 人工神经网络模型 | 第20-29页 |
| ·BP 算法训练的基本步骤 | 第21-22页 |
| ·传统BP 算法讨论及改进 | 第22-23页 |
| ·BP 模型的改进算法 | 第23-26页 |
| ·BP 网络的设计 | 第26-28页 |
| ·BP 网络模型的计算框图 | 第28-29页 |
| ·MATLAB 与神经网络工具箱 | 第29-34页 |
| ·MATLAB 简介 | 第29-30页 |
| ·基于MATLAB 的神经网络工具箱 | 第30-31页 |
| ·神经网络技术的选取 | 第31页 |
| ·运用工具箱设计网络的原则和过程 | 第31-34页 |
| 第3章 神经网络在铸造生产中的应用 | 第34-49页 |
| ·神经网络在铸造生产中的应用 | 第34-38页 |
| ·具体示例（用人工神经网络模型预测灰铸铁件的性能） | 第38-49页 |
| ·灰铸铁的介绍及应用 | 第38-40页 |
| ·影响灰铸铁机械性能及铸造性能的几种因素 | 第40-41页 |
| ·试验方案及实验过程 | 第41-45页 |
| ·数据的训练及仿真 | 第45-49页 |
| 第4章 人工神经网络在焊接中的应用 | 第49-59页 |
| ·神经网络在焊接领域中的应用 | 第49-50页 |
| ·具体应用示例（用人工神经网络预测铝基复合材料TLP 连接的接头性能） | 第50-59页 |
| ·铝基复合材料研究现状及其发展 | 第51-53页 |
| ·颗粒增强型铝基复合材料TLP 连接 | 第53-54页 |
| ·试验材料、方法及设备 | 第54-56页 |
| ·数据的训练及仿真 | 第56-59页 |
| 第5章 人工神经网络在塑性加工中的应用 | 第59-69页 |
| ·神经网络在塑性加工中的应用 | 第59-60页 |
| ·具体示例（利用BP 神经网络预测钢材单位挤压力） | 第60-69页 |
| ·挤压工艺的概念、特点和发展趋势 | 第60-64页 |
| ·挤压力 | 第64-66页 |
| ·试验 | 第66页 |
| ·数据训练和仿真 | 第66-69页 |
| 第6章 结论 | 第69-70页 |
| 参考文献 | 第70-79页 |
| 摘要 | 第79-82页 |
| ABSTRACT | 第82-86页 |
| 致谢 | 第86页 |
