RBF网络的改进及其在焊膏印刷厚度预测中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题来源与研究意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·焊膏印刷研究现状 | 第8-9页 |
| ·RBF神经网络研究现状 | 第9-10页 |
| ·本文工作 | 第10页 |
| ·本文结构 | 第10-13页 |
| 第二章 焊膏印刷质量分析 | 第13-23页 |
| ·焊膏印刷工艺研究 | 第13-16页 |
| ·SMT研究 | 第13-14页 |
| ·焊膏印刷机结构特性 | 第14-15页 |
| ·焊膏印刷工艺流程 | 第15-16页 |
| ·焊膏印刷质量分析 | 第16-21页 |
| ·焊膏质量的影响 | 第17-18页 |
| ·印刷工艺参数的影响 | 第18-20页 |
| ·其它方面的影响 | 第20-21页 |
| ·焊膏厚度预测研究 | 第21-22页 |
| ·焊膏厚度预测的必要性 | 第21-22页 |
| ·焊膏厚度预测的可行性 | 第22页 |
| ·小结 | 第22-23页 |
| 第三章 遗传算法及其改进 | 第23-31页 |
| ·遗传算法 | 第23-27页 |
| ·遗传算法构成要素 | 第23-26页 |
| ·遗传算法流程 | 第26-27页 |
| ·遗传算法改进 | 第27-28页 |
| ·改进算法性能测试 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第四章 基于改进遗传算法的RBF神经网络 | 第31-45页 |
| ·神经网络基本原理 | 第31-34页 |
| ·神经网络模型 | 第31-32页 |
| ·神经网络结构和特征 | 第32-34页 |
| ·RBF神经网络 | 第34-39页 |
| ·RBF神经网络结构 | 第34-35页 |
| ·RBF网络学习过程 | 第35-39页 |
| ·基于改进遗传算法的RBF神经网络 | 第39-43页 |
| ·染色体编码 | 第39-40页 |
| ·种群初始化 | 第40-41页 |
| ·适应度函数选择 | 第41页 |
| ·遗传算子运算 | 第41-42页 |
| ·基于改进遗传算法的RBF网络算法流程 | 第42-43页 |
| ·验证 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第五章 基于改进RBF的焊膏印刷厚度预测 | 第45-57页 |
| ·焊膏印刷厚度预测建模 | 第45-48页 |
| ·样本集构建 | 第45-48页 |
| ·预测模型建立 | 第48页 |
| ·预测模型程序设计与实现 | 第48-55页 |
| ·需求分析 | 第48-49页 |
| ·模块设计 | 第49-52页 |
| ·软件实现 | 第52-55页 |
| ·性能测试 | 第55页 |
| ·小结 | 第55-57页 |
| 第六章 结束语 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 研究成果 | 第63页 |
