神经网络算法在旋压工艺中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-15页 |
| ·研究现状 | 第11-14页 |
| ·人工智能发展综述 | 第11-12页 |
| ·神经网络发展综述 | 第12页 |
| ·数据挖掘发展综述 | 第12-14页 |
| ·研究目标和主要内容 | 第14-15页 |
| ·研究目标 | 第14页 |
| ·研究内容 | 第14-15页 |
| 2 数据挖掘的分类方法 | 第15-23页 |
| ·数据挖掘过程与功能介绍 | 第15-17页 |
| ·数据挖掘过程 | 第15-16页 |
| ·数据挖掘功能 | 第16-17页 |
| ·分类的基本技术 | 第17-19页 |
| ·分类数据的预处理 | 第17-18页 |
| ·数据分类的过程 | 第18-19页 |
| ·几种典型的分类算法 | 第19-23页 |
| ·决策树 | 第19-20页 |
| ·贝叶斯 | 第20-21页 |
| ·神经网络 | 第21-23页 |
| 3 基于 BP 神经网络的锥形件壁厚偏差预测 | 第23-47页 |
| ·神经细胞以及人工神经元的组成 | 第23-24页 |
| ·人工神经网络的基本结构与模型 | 第24-30页 |
| ·人工神经元的模型 | 第24-25页 |
| ·激活函数 | 第25-27页 |
| ·单层神经元网络模型结构 | 第27-29页 |
| ·多层神经网络 | 第29-30页 |
| ·误差反向传播神经网络 | 第30-33页 |
| ·BP 神经网络 | 第30-31页 |
| ·构造 BP 神经网络 | 第31-33页 |
| ·改进的反向传播算法 | 第33-36页 |
| ·旋压锥形件壁厚偏差的神经网络模型预测 | 第36-43页 |
| ·问题提出 | 第36-37页 |
| ·BP 神经网络模型的建立 | 第37-38页 |
| ·BP 网络设计 | 第38-39页 |
| ·BP 网络训练与测试 | 第39-43页 |
| ·厚度偏差预测的竞争网络模型 | 第43-47页 |
| 4 基于 RBF 网络的筒形件轴线偏移缺陷诊断 | 第47-58页 |
| ·RBF 神经网络模型与学习算法 | 第47-51页 |
| ·RBF 神经网络模型 | 第47-49页 |
| ·RBF 网络的学习算法 | 第49-51页 |
| ·旋压筒形件直线度偏差诊断 | 第51-58页 |
| ·样本数据集设计 | 第52-54页 |
| ·网络设计 | 第54-58页 |
| 5 结论与展望 | 第58-59页 |
| ·结论 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间已发表的学术论文及科研成果 | 第63页 |
