汽车冲压停机问题搜索式推理和学习方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究问题 | 第9-10页 |
| 1.2 研究现状 | 第10-15页 |
| 1.2.1 知识管理的研究现状 | 第10-11页 |
| 1.2.2 知识管理在汽车企业中的应用现状 | 第11-12页 |
| 1.2.3 汽车冲压停机问题处理研究现状 | 第12-15页 |
| 1.3 研究思路 | 第15-17页 |
| 1.4 论文研究内容以及结构安排 | 第17-19页 |
| 2 相关理论 | 第19-30页 |
| 2.1 搜索式推理 | 第19-25页 |
| 2.1.1 经典搜索 | 第19-23页 |
| 2.1.2 超越经典搜索 | 第23-25页 |
| 2.2 机器学习 | 第25-28页 |
| 2.2.1 深度学习 | 第25-27页 |
| 2.2.2 强化学习 | 第27-28页 |
| 2.3 小结 | 第28-30页 |
| 3 冲压停机问题处理搜索式推理方法 | 第30-49页 |
| 3.1 关系结点基本匹配模式 | 第30-32页 |
| 3.2 关系结点启发式函数 | 第32-34页 |
| 3.3 启发式搜索推理 | 第34-42页 |
| 3.3.1 在线浅层启发式搜索推理 | 第34-38页 |
| 3.3.2 离线深层启发式搜索推理 | 第38-42页 |
| 3.4 实例分析 | 第42-47页 |
| 3.4.1 中压停机问题处理知识网络实例 | 第42-44页 |
| 3.4.2 在线浅层启发式搜索推理 | 第44-45页 |
| 3.4.3 离线深层启发式搜索推理 | 第45-47页 |
| 3.5 小结 | 第47-49页 |
| 4 冲压停机问题处理知识学习方法 | 第49-59页 |
| 4.1 在线浅层学习方法 | 第50-54页 |
| 4.2 离线深层学习方法 | 第54-57页 |
| 4.3 实例分析 | 第57-58页 |
| 4.3.1 在线浅层学习方法 | 第57页 |
| 4.3.2 离线深层学习方法 | 第57-58页 |
| 4.4 小结 | 第58-59页 |
| 5 原型系统 | 第59-85页 |
| 5.1 决策支持系统概述 | 第59页 |
| 5.2 系统分析 | 第59-70页 |
| 5.2.1 需求分析 | 第60-62页 |
| 5.2.2 系统静态模型 | 第62-64页 |
| 5.2.3 系统动态模型 | 第64-70页 |
| 5.3 系统设计 | 第70-73页 |
| 5.3.1 系统总体架构 | 第70-71页 |
| 5.3.2 关键技术 | 第71-73页 |
| 5.4 系统实现与应用 | 第73-84页 |
| 5.5 小结 | 第84-85页 |
| 结论 | 第85-87页 |
| 参考文献 | 第87-90页 |
| 攻读硕士学位期间发表学术论文情况 | 第90-91页 |
| 致谢 | 第91-92页 |
