| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-34页 |
| ·无纺布概述 | 第10-15页 |
| ·无纺布 | 第10页 |
| ·无纺布的工艺技术特点 | 第10-12页 |
| ·无纺布的种类 | 第12-13页 |
| ·无纺布的用途 | 第13-15页 |
| ·纺熔无纺布概述 | 第15-21页 |
| ·纺熔无纺布 | 第15-16页 |
| ·纺粘熔喷复合无纺布 | 第16-18页 |
| ·纺熔无纺布的技术特点 | 第18页 |
| ·纺熔无纺布工艺设备及技术发展趋势 | 第18-21页 |
| ·纺熔复合无纺布产品开发概述 | 第21-26页 |
| ·纺熔无纺布在卫生领域的应用和要求 | 第21-22页 |
| ·纺熔无纺布在医疗领域的应用和要求 | 第22-24页 |
| ·纺熔无纺布在工业领域的应用和要求 | 第24-25页 |
| ·纺熔无纺布产品开发主要内容及流程 | 第25-26页 |
| ·纺熔无纺布产品开发目前主要存在的问题 | 第26-27页 |
| ·本文的设计思路 | 第27-34页 |
| ·纺熔无纺布工艺参数和性能指标关系复杂 | 第27-28页 |
| ·BP神经网络在非线性映射方面的独特优势 | 第28页 |
| ·MATLAB专业的神经网络工具箱 | 第28页 |
| ·BP神经网络在其它无纺布上的应用 | 第28-32页 |
| ·本文的设计构想 | 第32-34页 |
| 第二章 人工神经网络及BP网络 | 第34-48页 |
| ·人工神经网络 | 第34-41页 |
| ·人工神经经网络的发展历史 | 第35页 |
| ·神经网络的研究内容 | 第35-36页 |
| ·神经网络的应用 | 第36-37页 |
| ·人工神经元 | 第37-40页 |
| ·神经网络的类型 | 第40-41页 |
| ·BP神经网络 | 第41-48页 |
| ·BP神经网络定义 | 第41-42页 |
| ·BP神经网络模型及其基本原理 | 第42-44页 |
| ·BP神经网络的主要功能 | 第44页 |
| ·BP网络的优点以及局限性 | 第44-45页 |
| ·BP网络的设计问题 | 第45-48页 |
| 第三章 MATLAB概述 | 第48-58页 |
| ·MATLAB简介 | 第48-51页 |
| ·MATLAB的应用领域 | 第48-49页 |
| ·MATLAB的产品构成 | 第49页 |
| ·MATLAB的特点和优势 | 第49-51页 |
| ·MATLAB 神经经网络工具箱介绍 | 第51-58页 |
| ·使用MATLAB、申经网络工具箱解决问题的一般步骤 | 第52页 |
| ·基于MATLAB的BP神经网络工具箱函数介绍 | 第52-55页 |
| ·在MATLAB 中设计BP网络的注意事项 | 第55-58页 |
| 第四章 BP神经网络用于纺熔无纺布产品开发 | 第58-86页 |
| ·纺熔无纺布新产品开发范围 | 第58页 |
| ·设备 | 第58页 |
| ·无纺布种类 | 第58页 |
| ·原料 | 第58页 |
| ·用于纺熔无纺布新产品开发自BP神经网络设计 | 第58-64页 |
| ·BP神经网络的输出 | 第58-59页 |
| ·BP神经网络的输入 | 第59-62页 |
| ·BP神经网络层数 | 第62页 |
| ·BP神经网络隐含层神经元个数 | 第62-63页 |
| ·BP神经网络传输函数的选择 | 第63-64页 |
| ·BP神经网络学习算法的选择 | 第64页 |
| ·原始样本数据及处理 | 第64-68页 |
| ·样本数据的获取 | 第64页 |
| ·样本数据的处理 | 第64-68页 |
| ·MATLAB编程及试验 | 第68-85页 |
| ·网络训练和学习 | 第68-83页 |
| ·模型的校核 | 第83-85页 |
| ·结果分析 | 第85-86页 |
| 结论 | 第86-88页 |
| 参考文献 | 第88-90页 |
| 攻读硕士期间取得的研究成果 | 第90-91页 |
| 致谢 | 第91页 |