| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-11页 |
| ·课题意义 | 第7-8页 |
| ·专家系统的发展及现状 | 第8-9页 |
| ·碳纳米管的概况 | 第9-10页 |
| ·碳纳米管的分类 | 第10页 |
| ·碳纳米管的性能 | 第10页 |
| ·课题研究内容 | 第10-11页 |
| 第二章 专家系统与人工神经网络 | 第11-29页 |
| ·人工智能及其应用领域 | 第11-14页 |
| ·人工智能的定义 | 第11页 |
| ·人工智能的发展 | 第11-12页 |
| ·人工智能的应用领域 | 第12-14页 |
| ·专家系统 | 第14-20页 |
| ·专家系统的定义及特点 | 第14-15页 |
| ·专家系统的结构与类型 | 第15-19页 |
| ·专家系统的构建步骤 | 第19-20页 |
| ·人工神经网络 | 第20-29页 |
| ·人工神经网络的分类及结构 | 第20-22页 |
| ·神经网络的基本模型 | 第22-25页 |
| ·神经网络的学习 | 第25-29页 |
| 第三章 系统的设计平台以及算法研究 | 第29-41页 |
| ·Microsoft Visual C++6.0介绍 | 第29-30页 |
| ·基于VC开发数据库的ADO技术 | 第30-32页 |
| ·主要数据库开发技术 | 第30页 |
| ·ADO开发技术 | 第30-32页 |
| ·SQL Server数据库简介 | 第32-33页 |
| ·人工神经网络的BP算法 | 第33-37页 |
| ·BP网络的数学基础 | 第33-35页 |
| ·BP学习算法原理 | 第35-37页 |
| ·网络模型的研究分析 | 第37-41页 |
| ·训练样本的确定 | 第37-38页 |
| ·网络结构的选择 | 第38页 |
| ·初始权值的选取 | 第38-39页 |
| ·激励函数的选择 | 第39-40页 |
| ·学习率η的选取 | 第40页 |
| ·样本预处理 | 第40-41页 |
| 第四章 碳纳米管智能数据库的实现与测试 | 第41-67页 |
| ·碳纳米管的主要性能介绍 | 第41-42页 |
| ·碳纳米管智能数据库的结构 | 第42-43页 |
| ·知识库的建立 | 第43-47页 |
| ·碳纳米管电学性质数据表 | 第43-44页 |
| ·碳纳米管力学性质数据表 | 第44-45页 |
| ·碳纳米管热学性质数据表 | 第45-46页 |
| ·碳纳米管光学性质数据表 | 第46-47页 |
| ·推理规则 | 第47-49页 |
| ·算法中的变量 | 第47-48页 |
| ·BP神经网络学习步骤 | 第48-49页 |
| ·人机交互界面的设计 | 第49-52页 |
| ·系统的测试 | 第52-67页 |
| ·电学性能的预测 | 第53-56页 |
| ·力学性能的预测 | 第56-59页 |
| ·热学性能的预测 | 第59-62页 |
| ·光学性能的预测 | 第62-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·本文总结 | 第67页 |
| ·展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-73页 |