基于人工神经网络的结构可靠性分析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-18页 |
| ·影响工程结构可靠性的三种不确定因素 | 第8-9页 |
| ·可靠性和结构可靠性问题的提出 | 第9-10页 |
| ·结构可靠性研究的现状 | 第10-14页 |
| ·主要研究内容 | 第10-11页 |
| ·发展概况 | 第11-14页 |
| ·人工神经网络技术的发展 | 第14-16页 |
| ·本文的主要工作和意义 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 第2章 可靠性基本理论 | 第18-37页 |
| ·可靠性的一些基本概念 | 第18-23页 |
| ·极限状态及其描述 | 第18-19页 |
| ·失效概率与可靠性指标 | 第19-23页 |
| ·可靠度计算的数值方法概述 | 第23-25页 |
| ·结构系统可靠性理论和数值方法 | 第25-36页 |
| ·结构体系的基本类型 | 第25-28页 |
| ·结构体系主要失效模式的识别 | 第28-33页 |
| ·结构体系可靠度分析基本方法 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 人工神经网络基本原理 | 第37-65页 |
| ·人工神经网络简介 | 第37-38页 |
| ·人工神经网络的特点 | 第37-38页 |
| ·人工神经网络的模型 | 第38页 |
| ·人工神经网络基本原理 | 第38-47页 |
| ·生物神经元 | 第38-40页 |
| ·人工神经元 | 第40-43页 |
| ·人工神经网络模型 | 第43-44页 |
| ·神经网络的学习过程 | 第44-46页 |
| ·神经网络的学习规则 | 第46-47页 |
| ·误差反向传播(BP)网络 | 第47-60页 |
| ·BP神经网络结构 | 第47-48页 |
| ·BP网络的学习过程 | 第48-57页 |
| ·BP网络的优缺点 | 第57-58页 |
| ·BP网络的改进方案 | 第58-60页 |
| ·利用BP网络实现函数逼近 | 第60-64页 |
| ·BP神经网络及其函数逼近能力 | 第60-61页 |
| ·仿真工具选择 | 第61-62页 |
| ·仿真实例 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于人工神经网络的结构可靠性分析 | 第65-83页 |
| ·蒙特卡洛法 | 第65-68页 |
| ·MATLAB神经网络工具箱简介 | 第68-69页 |
| ·BP网络设计的MATLAB实现 | 第69-77页 |
| ·网络结构的确定 | 第69-72页 |
| ·网络的初始化 | 第72页 |
| ·训练样本数据的选取与处理 | 第72-74页 |
| ·网络的训练 | 第74-76页 |
| ·网络的仿真输出 | 第76-77页 |
| ·计算实例 | 第77-82页 |
| ·本章小结 | 第82-83页 |
| 结论与展望 | 第83-85页 |
| 参考文献 | 第85-90页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第90-91页 |
| 致谢 | 第91-92页 |
| 附录 A | 第92-95页 |
