| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究方案 | 第11-12页 |
| ·研究内容 | 第12-14页 |
| 2 相关理论综述 | 第14-28页 |
| ·人工神经网络综述 | 第14-19页 |
| ·人工神经网络的基本构成 | 第14-15页 |
| ·人工神经网络的结构 | 第15页 |
| ·人工神经网络的学习规则 | 第15-16页 |
| ·BP 神经网络结构 | 第16-17页 |
| ·BP 神经网络的学习过程 | 第17-19页 |
| ·小波神经网络综述 | 第19-25页 |
| ·小波概述 | 第19-22页 |
| ·小波分析 | 第22-23页 |
| ·小波分析与神经网络的结合方式 | 第23-24页 |
| ·小波神经网络的发展 | 第24-25页 |
| ·热连轧板材质量模型综述 | 第25-27页 |
| ·热连轧板材的生产过程 | 第25-27页 |
| ·热连轧板材的质量要求 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 热连轧板材的高维小波神经网络质量模型构建及仿真 | 第28-44页 |
| ·热连轧板材生产样本预处理 | 第28-31页 |
| ·数据清洗和采样 | 第28-30页 |
| ·数据降维及输入输出变量的确定 | 第30-31页 |
| ·样本数据归一化处理 | 第31-32页 |
| ·热连轧板材的高维小波神经网络质量模型构建 | 第32-37页 |
| ·小波神经网络拓扑结构 | 第32-33页 |
| ·热连轧板材的小波神经网络质量模型算法 | 第33-37页 |
| ·热连轧板材的高维小波神经网络质量模型仿真 | 第37-42页 |
| ·模型参数初始化 | 第37页 |
| ·小波神经网络隐含层节点数目的确定 | 第37页 |
| ·隐含层激励函数的选取 | 第37-38页 |
| ·实例仿真 | 第38-41页 |
| ·仿真结果分析 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 热连轧板材的高维小波神经网络质量模型改进 | 第44-52页 |
| ·LVQ 聚类样本数据 | 第44-46页 |
| ·LVQ 神经网络结构 | 第44-45页 |
| ·LVQ 聚类算法 | 第45-46页 |
| ·基于热连轧板材生产工序的高维小波神经网络模型 | 第46-51页 |
| ·热连轧板材生产输入信号分析 | 第46-47页 |
| ·多输入层神经网络的结构 | 第47-48页 |
| ·双输入层小波神经网络 | 第48-50页 |
| ·热连轧板材的双输入层小波神经网络质量模型实例仿真 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 5 结论 | 第52-53页 |
| ·已做工作 | 第52页 |
| ·后续工作 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间参加的项目和发表的第一作者的学术论文 | 第57页 |