| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 绪论 | 第9-24页 |
| ·工时定额概述 | 第9-11页 |
| ·工时定额的组成 | 第9-10页 |
| ·常用的工时定额计算方法 | 第10-11页 |
| ·遗传神经网络 | 第11-19页 |
| ·神经网络 | 第11-16页 |
| ·神经网络基本结构 | 第12页 |
| ·神经网络学习类型 | 第12-14页 |
| ·神经网络的基本术语 | 第14页 |
| ·神经网络的主要类型 | 第14-15页 |
| ·BP神经网络 | 第15-16页 |
| ·遗传算法 | 第16-18页 |
| ·遗传算法的基本术语 | 第16-17页 |
| ·标准遗传算法的流程 | 第17-18页 |
| ·遗传神经网络 | 第18-19页 |
| ·工时定额计算的国内外研究现状 | 第19-20页 |
| ·问题的提出 | 第20-22页 |
| ·课题来源、研究目的和意义 | 第22页 |
| ·论文结构 | 第22-24页 |
| 第二章 基于BP神经网络的工时定额计算 | 第24-41页 |
| ·MATLAB简介 | 第24页 |
| ·面向工时定额的BP神经网络设计 | 第24-36页 |
| ·隐层结点的计算方法 | 第25-28页 |
| ·常用经验公式 | 第25-26页 |
| ·实验方法 | 第26-27页 |
| ·实验结果统计与分析 | 第27-28页 |
| ·训练算法的确定 | 第28-30页 |
| ·数据归一化 | 第30-31页 |
| ·泛化误差的影响因素 | 第31-35页 |
| ·样本 | 第31页 |
| ·神经网络结构 | 第31-33页 |
| ·收敛误差 | 第33-35页 |
| ·提高泛化能力的方法 | 第35-36页 |
| ·基于MATLAB的工时定额计算过程 | 第36-38页 |
| ·应用实例与分析 | 第38-40页 |
| ·神经网络训练实例 | 第38页 |
| ·计算结果分析 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于遗传算法的神经网络优化 | 第41-53页 |
| ·遗传算法设计 | 第41-49页 |
| ·编码方法 | 第41-44页 |
| ·常用编码方法 | 第41-42页 |
| ·编码方法的选取 | 第42-44页 |
| ·选择操作 | 第44-46页 |
| ·交叉操作 | 第46-49页 |
| ·变异操作 | 第49页 |
| ·遗传神经网络的实现 | 第49-51页 |
| ·应用实例与分析 | 第51-52页 |
| ·遗传神经网络训练实例 | 第51页 |
| ·遗传神经网络法与神经网络法的比较 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于遗传神经网络的工时定额计算原型系统设计与开发 | 第53-67页 |
| ·系统的开发技术 | 第53-57页 |
| ·基于MATLAB环境的混合编程 | 第53-54页 |
| ·脱离MATLAB环境的混合编程 | 第54-57页 |
| ·MATLAB数学函数库 | 第54页 |
| ·COM Builder工具 | 第54-55页 |
| ·MATCOM软件 | 第55-57页 |
| ·系统的功能设计 | 第57-63页 |
| ·数据预处理模块 | 第57-59页 |
| ·神经网络训练模块 | 第59-61页 |
| ·遗传算法优化模块 | 第61页 |
| ·模型管理模块 | 第61-62页 |
| ·工时定额计算模块 | 第62页 |
| ·快速训练及计算模块 | 第62-63页 |
| ·系统的工作流程 | 第63-65页 |
| ·应用实例 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·研究工作总结 | 第67页 |
| ·研究的技术进步点 | 第67-68页 |
| ·研究工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录A 攻读硕士学位期间发表的论文 | 第73页 |
| 附录B 攻读硕士学位期间参加的学术活动 | 第73页 |
| 附录C 论文中使用的标准工时定额表 | 第73-76页 |