基于人工神经网络的稀土铜合金性能预测
| 1． 绪论 | 第1-13页 |
| 1．1 选题背景 | 第8-11页 |
| 1．2 研究内容及意义 | 第11-13页 |
| 2． 神经网络 | 第13-25页 |
| 2．1 神经网络概述 | 第13-22页 |
| 2．1．1 神经网络的发展概况 | 第13-15页 |
| 2．1．2 神经网络基本模型及分类 | 第15-17页 |
| 2．1．3 多层前馈网络 | 第17-19页 |
| 2．1．4 神经网络的基本功能及应用 | 第19-21页 |
| 2．1．5 神经网络(ANN)与人工智能(AI) | 第21-22页 |
| 2．2 神经网络的 Matlab 实现 | 第22-25页 |
| 3． 遗传算法 | 第25-34页 |
| 3．1 遗传算法概述 | 第25-27页 |
| 3．1．1 遗传算法的产生与发展 | 第25-27页 |
| 3．1．2 遗传算法的特点 | 第27页 |
| 3．2 遗传算法实现 | 第27-32页 |
| 3．2．1 遗传算法的基本算子 | 第27-28页 |
| 3．2．2 遗传算法的基本步骤 | 第28-30页 |
| 3．2．3 遗传算法的改进研究 | 第30-31页 |
| 3．2．4 遗传算法的 Matlab 实现 | 第31-32页 |
| 3．3 遗传算法的应用 | 第32-34页 |
| 4． 试验材料及试验方法 | 第34-38页 |
| 4．1 试验材料及其制备 | 第34-35页 |
| 4．1．1 试验材料 | 第34页 |
| 4．1．2 试样制备 | 第34-35页 |
| 4．2 试验方法 | 第35-38页 |
| 4．2．1 双电桥测低电阻试验 | 第35-36页 |
| 4．2．2 布氏硬度试验 | 第36-37页 |
| 4．2．3 拉伸试验 | 第37页 |
| 4．2．4 稀土铜合金性能预测软件的建立 | 第37-38页 |
| 5． 试验结果及分析 | 第38-63页 |
| 5．1 神经网络模型的建立 | 第38-47页 |
| 5．1．1 网络模型的选择 | 第38-39页 |
| 5．1．2 数据处理 | 第39-41页 |
| 5．1．3 BP 网络的设计 | 第41-44页 |
| 5．1．4 BP 网络的优化 | 第44-47页 |
| 5．2 稀土铜合金性能预测软件 | 第47-51页 |
| 5．3 稀土铜合金性能 | 第51-57页 |
| 5．3．1 稀土铜合金部分性能数据 | 第51-54页 |
| 5．3．2 稀土在铜合金中的作用 | 第54-57页 |
| 5．4 稀土铜合金性能预测及分析 | 第57-63页 |
| 5．4．1 电阻率预测结果 | 第58-59页 |
| 5．4．2 硬度预测结果 | 第59-60页 |
| 5．4．3 抗拉强度预测结果 | 第60-63页 |
| 6． 结论 | 第63-64页 |
| 攻读硕士期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
