动态可重构神经网络实现及气体识别方法研究

摘要	第1-5页
Abstract	第5-8页
1 绪论	第8-15页
·本课题研究的意义	第8页
·研究的现状	第8-13页
·本课题所要解决的问题	第13-14页
·本文的内容安排	第14-15页
2 气体传感器阵列的制作及混合气体浓度测量	第15-27页
·气体传感器阵列	第15-17页
·气体传感器阵列的数学模型	第15-17页
·气体传感器阵列构造原则	第17页
·气体传感器制作	第17-20页
·SnO_2气敏元件介绍	第18-19页
·SnO_2气敏元件制作	第19-20页
·气体传感器阵列的组成	第20页
·混合气体浓度测量	第20-26页
·测试气体的选择和配气方法	第20-21页
·测试系统	第21-23页
·测试过程及结果	第23-26页
·本章小结	第26-27页
3 人工神经网络在混合气体浓度预测中的应用	第27-53页
·人工神经网络简介	第27-37页
·BP神经网络	第28-31页
·RBF神经网络	第31-34页
·FNN神经网络	第34-37页
·数据预处理	第37-40页
·PCA算法介绍	第38页
·ICA算法介绍	第38-40页
·三种神经网络在混合气体浓度预测中的应用比较	第40-52页
·BP神经网络在混合气体浓度预测中的应用	第40-44页
·RBF神经网络在混合气体浓度预测中的应用	第44-46页
·ANFIS神经网络在混合气体浓度预测中的应用	第46-49页
·三种神经网络的比较结果	第49-51页
·PCA和ICA在混合气体浓度识别中的应用比较	第51-52页
·本章小结	第52-53页
4 动态可重构神经网络	第53-72页
·动态可重构神经网络的FPGA实现	第53-68页
·动态可重构BP神经网络的FPGA实现	第54-61页
·动态可重构RBF神经网络的FPGA实现	第61-66页
·路由器的FPGA实现	第66-68页
·整体的调试和仿真	第68-71页
·本章小结	第71-72页
结论	第72-73页
参考文献	第73-77页
附录A 32组样本数据表	第77-78页
攻读硕士学位期间发表学术论文情况	第78-79页
致谢	第79-80页