基于PSO优化技术的木材材性参数神经网络建模研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·课题背景 | 第7页 |
| ·国内外研究现状和发展趋势 | 第7-12页 |
| ·木材材性参数建模研究现状 | 第7-10页 |
| ·人工神经网络的发展概况 | 第10-11页 |
| ·发展趋势 | 第11-12页 |
| ·课题的目的和意义 | 第12页 |
| ·课题的研究内容及方法 | 第12-14页 |
| 2 木材年轮材性各参数的测量 | 第14-24页 |
| ·试样采集 | 第14-15页 |
| ·年轮间密度的测量 | 第15-20页 |
| ·实验仪器 | 第15-17页 |
| ·实验方法 | 第17-18页 |
| ·实验结论 | 第18-20页 |
| ·木材含水率的测量 | 第20页 |
| ·弹性模量的测量 | 第20-23页 |
| ·实验仪器 | 第21-22页 |
| ·试验方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 神经网络建模基本原理 | 第24-35页 |
| ·引言 | 第24页 |
| ·系统辨识原理 | 第24-26页 |
| ·基本原理 | 第24-25页 |
| ·基本方法 | 第25-26页 |
| ·神经网络概述 | 第26-28页 |
| ·神经网络建模 | 第28-34页 |
| ·引言 | 第28-29页 |
| ·基于神经网络的系统辨识 | 第29-30页 |
| ·BP神经网络 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 4 粒子群优化算法 | 第35-47页 |
| ·引言 | 第35-36页 |
| ·粒子群算法综述 | 第36-40页 |
| ·算法基本原理 | 第36-38页 |
| ·算法特征与流程 | 第38-39页 |
| ·算法的改进和研究方向 | 第39-40页 |
| ·粒子群优化神经网络 | 第40-43页 |
| ·进化计算优化神经网络 | 第40-41页 |
| ·基于粒子群优化的神经网络学习算法 | 第41-43页 |
| ·性能仿真比较 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5 木材材性参数建模研究 | 第47-53页 |
| ·数据准备 | 第47-48页 |
| ·模型的确定 | 第48-49页 |
| ·模型的训练与验证 | 第49-51页 |
| ·结果分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59-60页 |
