| 摘要 | 第1-9页 |
| ABSTRACT | 第9-11页 |
| 第1章 绪论 | 第11-19页 |
| ·陶瓷材料 | 第11-12页 |
| ·复相材料 | 第11页 |
| ·复相陶瓷材料 | 第11页 |
| ·纳米复相陶瓷材料 | 第11-12页 |
| ·陶瓷模具材料及材料设计 | 第12-14页 |
| ·陶瓷模具材料 | 第12页 |
| ·陶瓷模具材料的设计原则与方法 | 第12-14页 |
| ·计算智能 | 第14-17页 |
| ·计算智能的概念 | 第14页 |
| ·计算智能的主要内容 | 第14-15页 |
| ·计算智能在陶瓷材料设计中的应用 | 第15-17页 |
| ·本课题的主要研究目的、意义及内容存在的问题及发展展望 | 第17-19页 |
| ·选题的目的及意义 | 第17-18页 |
| ·主要研究内容 | 第18-19页 |
| 第2章 人工神经网络及其在复相陶瓷模具材料设计中的应用 | 第19-33页 |
| ·人工神经网络方法 | 第19-20页 |
| ·人工神经网络概念 | 第19页 |
| ·人工神经网络的特点 | 第19页 |
| ·人工神经网络的发展概况 | 第19-20页 |
| ·人工神经网络的基本功能 | 第20页 |
| ·人工神经网络的应用 | 第20页 |
| ·BP 神经网络 | 第20-22页 |
| ·BP 神经网络概念 | 第20-21页 |
| ·BP 神经网络结构 | 第21页 |
| ·BP 神经网络的构建 | 第21页 |
| ·BP 神经网络的设计原则 | 第21-22页 |
| ·MATLAB 中的神经网络工具箱 | 第22-23页 |
| ·神经网络技术的选取 | 第22页 |
| ·运用工具箱设计网络的原则和过程 | 第22-23页 |
| ·MATLAB 中的 BP 网络 | 第23-24页 |
| ·BP 网络的重要函数 | 第23-24页 |
| ·BP 网络的设计分析 | 第24页 |
| ·人工神经网络在复相陶瓷模具材料设计中的应用 | 第24-32页 |
| ·基于GUI 的神经网络设计 | 第25-31页 |
| ·基于神经网络的复相陶瓷模具材料设计 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 遗传算法及其在复相陶瓷模具材料优化设计中的应用 | 第33-46页 |
| ·遗传算法 | 第33-38页 |
| ·遗传算法的概念 | 第33页 |
| ·遗传算法的基本用语 | 第33页 |
| ·遗传算法的基本机理 | 第33页 |
| ·遗传算法的流程图及步骤 | 第33-35页 |
| ·遗传算法的研究方向 | 第35-36页 |
| ·遗传算法的主要应用领域 | 第36-38页 |
| ·MATLAB 软件统计工具箱 | 第38-39页 |
| ·统计工具箱概述 | 第38页 |
| ·交互式图形统计工具的应用 | 第38-39页 |
| ·MATLAB 遗传算法工具箱 | 第39-41页 |
| ·遗传算法使用方式 | 第39-40页 |
| ·运行遗传算法 | 第40-41页 |
| ·遗传算法在复相陶瓷模具材料优化设计中的应用 | 第41-45页 |
| ·断裂韧性与材料组分模型的建立及其优化 | 第41-43页 |
| ·抗弯强度与材料组分模型的建立及其优化 | 第43-44页 |
| ·硬度与材料组分模型的建立及其优化 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 神经网络与遗传算法结合在复相陶瓷模具材料优化设计中的应用 | 第46-51页 |
| ·遗传算法优化神经网络模型在复相陶瓷模具材料设计中的应用 | 第46-49页 |
| ·优化过程 | 第46-47页 |
| ·优化结果验证 | 第47-49页 |
| ·遗传算法优化神经网络初始权重值在复相陶瓷模具材料设计中的应用 | 第49-50页 |
| ·遗传算法优化神经网络初始权重值的原理 | 第49页 |
| ·遗传算法优化神经网络初始权重值的步骤 | 第49-50页 |
| ·用优化得到的权重值训练神经网络模型 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文、参加的课题与奖励 | 第59页 |
