| ABSTRACT | 第1-6页 |
| 摘要 | 第6-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题来源及意义 | 第11-12页 |
| ·课题研究的主要内容 | 第12页 |
| ·本文应用的主要技术 | 第12-13页 |
| ·本论文的章节结构 | 第13-15页 |
| 第二章 神经网络 | 第15-27页 |
| ·神经网络的发展及应用 | 第15-16页 |
| ·BP模型及其学习算法 | 第16-19页 |
| ·BP网络结构 | 第16页 |
| ·BP学习算法 | 第16-19页 |
| ·神经网络集成 | 第19-25页 |
| ·引言 | 第19页 |
| ·神经网络集成简介 | 第19-20页 |
| ·神经网络集成的机理分析 | 第20-22页 |
| ·神经网络集成中个体生成方式的研究 | 第22-25页 |
| ·神经网络集成中个体组合方式的研究 | 第25页 |
| ·选择性神经网络集成 | 第25-27页 |
| 第三章 一种新的选择性神经网络集成算法DWSEN | 第27-43页 |
| ·训练集的产生 | 第27-28页 |
| ·分层随机抽样简介 | 第27-28页 |
| ·构造训练样本集 | 第28页 |
| ·个体网络的生成 | 第28-33页 |
| ·BP网络的传递特性与网络差异度 | 第28-29页 |
| ·个体网络的训练 | 第29-30页 |
| ·网络模型差异度 | 第30-33页 |
| ·个体网络的集成 | 第33-34页 |
| ·仿真测试 | 第34-43页 |
| ·实验数据 | 第34-35页 |
| ·实验结果 | 第35-41页 |
| ·结果分析和算法改进 | 第41-43页 |
| 第四章 DWSEN算法在PTA工业装置建模中的应用 | 第43-53页 |
| ·薄膜蒸发器的工艺及变量选择 | 第43-47页 |
| ·薄膜蒸发器工艺流程简介 | 第43-44页 |
| ·输入输出变量选择 | 第44-45页 |
| ·薄膜蒸发器的神经网络集成模型 | 第45-47页 |
| ·溶剂脱水塔的工艺及变量选择 | 第47-53页 |
| ·溶剂脱水塔工艺流程简介 | 第47-48页 |
| ·输入输出变量选择 | 第48页 |
| ·溶剂脱水塔的神经网络集成模型 | 第48-53页 |
| 第五章 PTA工业数据建模优化软件简介及优化模块的开发 | 第53-59页 |
| ·引言 | 第53页 |
| ·PTA工业数据建模优化软件简介 | 第53页 |
| ·模型优化模块的开发 | 第53-57页 |
| ·模块需求分析 | 第53-54页 |
| ·模块架构 | 第54页 |
| ·关键技术实现 | 第54-55页 |
| ·模块实现结果 | 第55-57页 |
| ·软件的实用性 | 第57-59页 |
| 第六章 总论与展望 | 第59-61页 |
| ·课题总结 | 第59页 |
| ·研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 研究成果及发表的学术论文 | 第67-69页 |
| 作者和导师简介 | 第69-70页 |
| 北京化工大学 硕士研究生学位论文答辩委员会决议书 | 第70-71页 |