| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 第一章 引言 | 第8-30页 |
| ·化学计量学的发展概况 | 第8-9页 |
| ·人工神经网络发展的历史 | 第9-11页 |
| ·人工神经网络的基本原理 | 第11-17页 |
| ·生物神经网络 | 第12-13页 |
| ·人工神经元 | 第13-14页 |
| ·神经网络的主要连接型式 | 第14-16页 |
| ·神经网络的学习模式 | 第16-17页 |
| ·人工神经网络在分析化学中的应用 | 第17-21页 |
| ·模式识别 | 第17-18页 |
| ·光谱分析 | 第18-19页 |
| ·环境检测与处理 | 第19页 |
| ·定量结构－性质相关(QSPR)预测 | 第19-20页 |
| ·其它 | 第20-21页 |
| ·研究意义与前景展望 | 第21-22页 |
| ·人工神经网络用于中药红外谱图的分类鉴别 | 第22-24页 |
| 参考文献 | 第24-30页 |
| 第二章 径向基函数网络－红外光谱法用于中药大黄样品的真伪分类 | 第30-42页 |
| ·前言 | 第30-31页 |
| ·基本理论 | 第31-34页 |
| ·实验部分 | 第34-35页 |
| ·数据预处理 | 第34-35页 |
| ·网络模型验证 | 第35页 |
| ·分类 | 第35页 |
| ·结果与讨论 | 第35-39页 |
| ·大黄正品与伪品的红外光谱比较 | 第35-36页 |
| ·参数的选择 | 第36-39页 |
| ·分类结果 | 第39页 |
| ·结论 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 第三章 反向传播神经网络－红外光谱法用于中药大黄样品的真伪分类 | 第42-55页 |
| ·前言 | 第42-43页 |
| ·基本理论 | 第43-47页 |
| ·实验部分 | 第47-48页 |
| ·数据预处理 | 第47页 |
| ·网络模型验证 | 第47页 |
| ·分类 | 第47-48页 |
| ·结果与讨论 | 第48-52页 |
| ·大黄正品与伪品的红外光谱比较 | 第48页 |
| ·参数的选择 | 第48-51页 |
| ·分类结果 | 第51-52页 |
| ·结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 第四章 温度限制串联相关网络－红外光谱法用于中药大黄样品的真伪分类 | 第55-65页 |
| ·前言 | 第55-56页 |
| ·基本理论 | 第56-58页 |
| ·实验部分 | 第58-59页 |
| ·数据预处理 | 第58-59页 |
| ·网络模型验证 | 第59页 |
| ·分类 | 第59页 |
| ·结果与讨论 | 第59-62页 |
| ·大黄正品与伪品的红外光谱比较 | 第59-60页 |
| ·参数的选择 | 第60-62页 |
| ·分类结果 | 第62页 |
| ·结论 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 攻读硕士学位期间发表的论文 | 第65-66页 |
| 致谢 | 第66页 |
