奶牛疾病诊断遗传神经网络模型研究
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪 论 | 第8-11页 |
| ·课题来源与研究意义 | 第8-9页 |
| ·智能疾病诊断技术国内外研究进展 | 第9-10页 |
| ·本文的研究内容 | 第10-11页 |
| 2 人工智能技术 | 第11-27页 |
| ·专家系统 | 第11-13页 |
| ·ES的基本原理和结构 | 第11-12页 |
| ·专家系统的优势和不足 | 第12-13页 |
| ·人工神经网络 | 第13-27页 |
| ·ANN的基本原理和结构 | 第13-18页 |
| ·BP神经网络 | 第18-21页 |
| ·RBF神经网络 | 第21-27页 |
| 3 疾病诊断神经网络模型 | 第27-40页 |
| ·基于NN与ES集成的混合系统框架 | 第27-29页 |
| ·ANN和ES的结合的理论基础 | 第29-31页 |
| ·奶牛疾病诊断神经网络模型的建立 | 第31-40页 |
| ·疾病诊断训练样本集的建立 | 第32-33页 |
| ·用BP网进行疾病诊断 | 第33-34页 |
| ·用RBF网进行疾病诊断 | 第34-39页 |
| ·仿真结果分析 | 第39-40页 |
| 4 神经网络设计的遗传优化 | 第40-51页 |
| ·遗传算法基础 | 第40-45页 |
| ·GA的基本概念和原理 | 第40-42页 |
| ·遗传算法流程 | 第42-43页 |
| ·遗传算法的关键技术 | 第43-45页 |
| ·遗传算法的特点和应用 | 第45-51页 |
| ·遗传算法特点 | 第45-46页 |
| ·GA与ANN的结合 | 第46-47页 |
| ·诊断模型的遗传优化 | 第47-51页 |
| 5 结论和展望 | 第51-52页 |
| ·结论 | 第51页 |
| ·展望 | 第51-52页 |
| 致 谢 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 附 录:作者在攻读硕士期间发表论文及科研情况 | 第55-56页 |
| 附 录:部分仿真程序 | 第56-64页 |
