| 提要 | 第1-8页 |
| 第1章 绪论 | 第8-13页 |
| ·磨矿系统简介 | 第8-9页 |
| ·磨矿作业的概念、意义及地位 | 第8页 |
| ·磨矿作业的工艺流程 | 第8-9页 |
| ·磨矿过程控制技术的国内外研究现状 | 第9-11页 |
| ·国内研究水平和现状 | 第9-10页 |
| ·国外研究水平和现状 | 第10-11页 |
| ·选题的意义和目的 | 第11-12页 |
| ·本文研究思路及主要内容 | 第12-13页 |
| 第2章 人工神经网络 | 第13-19页 |
| ·人工神经网络的发展史 | 第13-14页 |
| ·神经元 | 第14-16页 |
| ·生物神经元 | 第14页 |
| ·人工神经元模型 | 第14-16页 |
| ·人工神经网络的结构和特点 | 第16-17页 |
| ·人工神经网络的结构 | 第16页 |
| ·人工神经网络的特点 | 第16-17页 |
| ·人工神经网络的学习 | 第17-19页 |
| ·学习方式 | 第17页 |
| ·学习规则 | 第17-19页 |
| 第3章 RBF 神经网络 | 第19-33页 |
| ·RBF 神经网络基本理论 | 第19-22页 |
| ·RBF 神经网络的插值问题 | 第19-21页 |
| ·RBF 神经网络的结构 | 第21-22页 |
| ·RBF 网络中心的选取算法 | 第22-30页 |
| ·随机选取 RBF 网络中心 | 第22页 |
| ·自组织学习算法 | 第22-24页 |
| ·有导师学习选取 RBF 神经网络中心 | 第24-25页 |
| ·正交回归方法选取 RBF 网络中心 | 第25-28页 |
| ·进化计算寻优 RBF 神经网络的中心 | 第28-30页 |
| ·正则化理论与RBF 神经网络的正则化方法 | 第30-32页 |
| ·正则化理论 | 第30-31页 |
| ·RBF 网络的正则化方法 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于 RBF 神经网络的磨矿过程控制建模 | 第33-41页 |
| ·磨矿过程的数据准备 | 第33-34页 |
| ·参数的选取 | 第33页 |
| ·实验数据的选择 | 第33-34页 |
| ·数据的归一化处理 | 第34页 |
| ·RBF 神经网络建模 | 第34-38页 |
| ·RBF 神经网络结构的确定 | 第34-35页 |
| ·基于 RBF 神经网络的磨矿过程控制模型的学习算法选取 | 第35-38页 |
| ·MATLAB 简介及径向基神经网络工具箱函数 | 第38-39页 |
| ·MATLAB 引入 | 第38页 |
| ·径向基神经网络工具箱 | 第38-39页 |
| ·预测模型的程序设计 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 计算机仿真实验与算法的改进 | 第41-51页 |
| ·计算机仿真实验 | 第41-45页 |
| ·实验结果分析与算法的改进 | 第45-46页 |
| ·实验结果分析 | 第45-46页 |
| ·算法的改进 | 第46页 |
| ·改进前后仿真结果对比及分析 | 第46-50页 |
| ·改进前后的仿真结果 | 第46-50页 |
| ·改进前后网络仿真结果对比分析 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| ·结论 | 第51-52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 摘要 | 第57-60页 |
| Abstract | 第60-63页 |