基于PSO神经网络钻削数据库系统的研究与开发
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题来源 | 第10页 |
| ·课题背景及意义 | 第10-11页 |
| ·相关技术的研究现状 | 第11-15页 |
| ·微粒群算法的研究进展 | 第11-12页 |
| ·人工神经网络在机械工程中的应用 | 第12-13页 |
| ·国内外切削数据库的发展现状 | 第13-15页 |
| ·本课题的主要研究工作 | 第15-16页 |
| 第2章 微粒群算法和神经网络的基本原理 | 第16-30页 |
| ·微粒群算法 | 第16-21页 |
| ·标准微粒群算法的基本原理 | 第16-18页 |
| ·微粒群算法的特点 | 第18页 |
| ·参数分析 | 第18-19页 |
| ·对微粒群算法的改进 | 第19-21页 |
| ·人工神经网络理论 | 第21-25页 |
| ·人工神经元 | 第21-22页 |
| ·人工神经网络结构 | 第22-24页 |
| ·神经网络模型 | 第24-25页 |
| ·BP 神经网络 | 第25-29页 |
| ·BP 神经网络的原理 | 第25-27页 |
| ·BP 神经网络的不足 | 第27-28页 |
| ·BP 算法的改进算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于微粒群神经网络的钻削参数模型 | 第30-39页 |
| ·微粒群与BP 神经网络相结合的理论依据 | 第30页 |
| ·微粒群算法和神经网络的结合算法 | 第30-34页 |
| ·PSO 优化BP 神经网络的原理分析 | 第30-32页 |
| ·PSO-BP 神经网络的算法 | 第32-33页 |
| ·系统学习算法流程 | 第33-34页 |
| ·基于微粒群-BP 神经网络的钻削参数的模型 | 第34-38页 |
| ·系统网络结构及各层节点数目的确定 | 第34-36页 |
| ·系统数据的处理 | 第36-37页 |
| ·实验结果分析 | 第37-38页 |
| ·加工实例验证 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 钻削数据库系统的设计 | 第39-45页 |
| ·系统总体设计 | 第39页 |
| ·系统各功能模块的设计 | 第39-42页 |
| ·用户登录模块 | 第39页 |
| ·数据库查询模块 | 第39-40页 |
| ·数据库维护模块 | 第40-41页 |
| ·学习样本维护模块 | 第41页 |
| ·用户人员管理模块 | 第41-42页 |
| ·系统工作原理 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 钻削数据库系统实现 | 第45-52页 |
| ·开发环境和开发工具的选择 | 第45-46页 |
| ·应用程序与数据库的链接 | 第46-47页 |
| ·系统主要界面说明 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |
