| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·国内外发展现状 | 第9-14页 |
| ·CAD模型到MCNP模型的转换算法 | 第9-11页 |
| ·神经网络算法在的CAD领域内的发展和应用 | 第11页 |
| ·深度神经网络 | 第11-13页 |
| ·卷积神经网络的研究和应用 | 第13-14页 |
| ·研究内容及意义 | 第14页 |
| ·文章结构 | 第14-16页 |
| 第二章 STEP文件到MCNP几何文件转化算法 | 第16-24页 |
| ·STEP文件BREP表示法 | 第16-19页 |
| ·CSG表示法与MCNP几何实体 | 第19-21页 |
| ·CSG表示法 | 第19页 |
| ·MCNP几何实体 | 第19-21页 |
| ·STEP文件到MCNP几何文件转换算法的设计 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 神经网络及其算法理论 | 第24-32页 |
| ·感知机与BP神经网络 | 第24-27页 |
| ·感知机模型 | 第24页 |
| ·感知器学习算法 | 第24-25页 |
| ·BP神经网络 | 第25-27页 |
| ·支持向量机 | 第27-29页 |
| ·卷积神经网路 | 第29-31页 |
| ·卷积(Convolution) | 第30页 |
| ·池化(Pooling) | 第30-31页 |
| ·CNNs整体构架 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于CNNs的MCNP几何文件转换算法的实现 | 第32-47页 |
| ·STEP文件信息提取 | 第32-36页 |
| ·MCNP曲面卡中曲面参数方程 | 第33-34页 |
| ·STEP文件信息提取算法 | 第34-36页 |
| ·栅元位置关系判断 | 第36-39页 |
| ·CAD图像收集和处理 | 第36-37页 |
| ·实验结果比较与CNNs架构 | 第37-39页 |
| ·MCNP几何文件生成 | 第39-40页 |
| ·实验结果与分析 | 第40-46页 |
| ·简单CAD模型的转换 | 第40-42页 |
| ·组合CAD模型的转换 | 第42-43页 |
| ·转换算法性能分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·工作总结 | 第47页 |
| ·工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 在学期间的研究成果 | 第53-54页 |
| 致谢 | 第54页 |