基于遗传算法的神经网络对中国酱油分类建模研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 第1章 引言 | 第10-17页 |
| ·研究背景 | 第10-12页 |
| ·研究意义与现状 | 第12-15页 |
| ·研究意义 | 第12页 |
| ·研究现状 | 第12-15页 |
| ·研究思路 | 第15页 |
| ·论文内容安排 | 第15-17页 |
| 第2章 酱油风味物质分析方法的建立 | 第17-32页 |
| ·材料与试剂 | 第17页 |
| ·材料与试剂 | 第17页 |
| ·主要仪器设备 | 第17页 |
| ·试验方法 | 第17-18页 |
| ·顶空固相微萃取条件 | 第17-18页 |
| ·萃取头的前处理 | 第18页 |
| ·气相色谱与质谱条件 | 第18页 |
| ·酱油挥发性成分的定量与定量分析 | 第18-19页 |
| ·内标物的配置 | 第18页 |
| ·酱油挥发性成分的定性分析 | 第18页 |
| ·酱油挥发性成分的定量分析 | 第18-19页 |
| ·灵敏度分析 | 第19页 |
| ·结果与讨论 | 第19-31页 |
| ·酱油挥发性成分的分析 | 第19-28页 |
| ·基于灵敏度分析的特征物质筛选 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第3章神经网络与遗传算法的基础理论 | 第32-52页 |
| ·人工神经网络的简介 | 第32-36页 |
| ·人脑神经元与神经网络 | 第32-33页 |
| ·人工神经网络的框架结构 | 第33页 |
| ·人工神经网络的基本结构 | 第33-34页 |
| ·人工神经网络的激活函数 | 第34-35页 |
| ·人工神经网络的互联模型 | 第35页 |
| ·人工神经网络的学习准则 | 第35-36页 |
| ·反向传播网络 | 第36-42页 |
| ·反向传播网络的结构 | 第36页 |
| ·反向传播网络的基本算法 | 第36-38页 |
| ·误差逆向传播的训练算法 | 第38-40页 |
| ·反向传播神经网络的学习过程 | 第40-41页 |
| ·反向传播神经网络的缺陷与完善方法 | 第41-42页 |
| ·遗传算法 | 第42-49页 |
| ·遗传算法的背景思想 | 第42-43页 |
| ·遗传算法的实现过程 | 第43-44页 |
| ·遗传算法的理论基础 | 第44-48页 |
| ·遗传算法的参数设定 | 第48-49页 |
| ·结果与讨论 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第4章 基于遗传算法的神经网络对酱油的分类模型 | 第52-58页 |
| ·神经网络对酱油发酵方式分类的建模 | 第52-53页 |
| ·数据的预处理 | 第52页 |
| ·酱油发酵方式的分类模型 | 第52-53页 |
| ·神经网络对酱油生产地区分类的建模 | 第53页 |
| ·数据的预处理 | 第53页 |
| ·酱油生产场地的分类模型 | 第53页 |
| ·结果与讨论 | 第53-56页 |
| ·降维前对酱油发酵方式分类模型的性能评估 | 第53页 |
| ·降维后对酱油发酵方式分类模型的性能评估 | 第53-54页 |
| ·降维前对酱油生产地区分类模型的性能评估 | 第54-56页 |
| ·降维前对酱油生产地区分类模型的性能评估 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第5章 总结与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-64页 |
| 附录 | 第64页 |
