| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第一章 绪论 | 第9-38页 |
| 1．1 人工神经网络兴起与发展 | 第9-11页 |
| 1．2 人工神经网络的生物学基础 | 第11-18页 |
| 1．2．1 神经元的结构 | 第11-12页 |
| 1．2．2 人工神经元的结构 | 第12-14页 |
| 1．2．3 人工神经网络模型 | 第14-17页 |
| 1．2．4 温度限制相关网络 | 第17页 |
| 1．2．5 人工神经网络的学习 | 第17-18页 |
| 1．3 人工神经网络在分析化学中的应用 | 第18-23页 |
| 1．3．1 蛋白质分析 | 第18-19页 |
| 1．3．2 谱图分析 | 第19-20页 |
| 1．3．3 医药分析 | 第20页 |
| 1．3．4 多组份的测定 | 第20-21页 |
| 1．3．5 分类、预测、判别 | 第21-22页 |
| 1．3．6 结构活性关系 | 第22-23页 |
| 1．3．7 其他方面 | 第23页 |
| 1．4 研究意义与前景展望 | 第23-24页 |
| 1．5 近红外光谱技术的发展和前景展望 | 第24-27页 |
| 1．6 近红外光谱在药物分析中的应用 | 第27-29页 |
| 1．7 温度串联相关网络在化学中的应用 | 第29-31页 |
| 参考文献 | 第31-38页 |
| 第二章 温度限制串联相关网络原理 | 第38-47页 |
| 2．1 前言 | 第38-40页 |
| 2．2 基本原理 | 第40-44页 |
| 2．3 网络的识别方法 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 第三章 粉末样品磺胺脒的质量控制 | 第47-70页 |
| 3．1 粉末样品磺胺脒的近红外漫反射光谱的质量控制 | 第47-58页 |
| 3．1．1 仪器与工作条件 | 第47页 |
| 3．1．2 试剂和样品 | 第47-48页 |
| 3．1．3 粉末样品磺胺脒的近红外漫反射光谱 | 第48页 |
| 3．1．4 结果与讨论 | 第48-58页 |
| 3．1．4．1 相对训练误差对网络的影响 | 第48-51页 |
| 3．1．4．1．1 相对训练误差对多输出网络的影响 | 第50页 |
| 3．1．4．1．2 相对训练误差对单输出网络的影响 | 第50-51页 |
| 3．1．4．2 候选单元的个数对网络的影响 | 第51-52页 |
| 3．1．4．3 传输函数对网络的影响 | 第52-56页 |
| 3．1．4．3．1 输入函数对多输出网络的影响 | 第52-53页 |
| 3．1．4．3．2 输入函数对单输出网络的影响 | 第53-54页 |
| 3．1．4．3．3 输出函数对多输出和单输出网络的影响 | 第54-56页 |
| 3．1．4．4 分类预测结果 | 第56页 |
| 3．1．4．5 结论 | 第56-58页 |
| 3．2 粉末样品磺胺脒的近红外漫反射一阶导数光谱的质量控制 | 第58-68页 |
| 3．2．1 仪器与工作条件 | 第58页 |
| 3．2．2 试剂和样品 | 第58页 |
| 3．2．3 粉末样品磺胺脒的近红外漫反射光谱 | 第58-59页 |
| 3．2．4 结果与讨论 | 第59-68页 |
| 3．2．4．1 相对训练误差对网络的影响 | 第59-61页 |
| 3．2．4．1．1 相对训练误差对多输出网络的影响 | 第60页 |
| 3．2．4．1．2 相对训练误差对单输出网络的影响 | 第60-61页 |
| 3．2．4．2 候选单元的个数对网络的影响 | 第61-62页 |
| 3．2．4．3 传输函数对网络的影响 | 第62-67页 |
| 3．2．4．3．1 输入函数对多输出网络的影响 | 第62-64页 |
| 3．2．4．3．2 输入函数对单输出网络的影响 | 第64-65页 |
| 3．2．4．3．3 输出函数对多输出和单输出网络的影响 | 第65-67页 |
| 3．2．4．4 分类预测结果 | 第67-68页 |
| 3．2．5 结论 | 第68页 |
| 参考文献 | 第68-70页 |
