| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究的背景及意义 | 第8-9页 |
| ·论文的选题依据 | 第9-10页 |
| ·人工神经网络的历史沿革及基本特点 | 第10-11页 |
| ·本文内容组织结构 | 第11-12页 |
| 2 专业识别模型建立的数据环境 | 第12-20页 |
| ·中国海洋大学现行本科教学运行新体系的基本设计思想 | 第12-14页 |
| ·专业教学计划 | 第14-16页 |
| ·学生成绩总表 | 第16-17页 |
| ·专业匹配度 | 第17-19页 |
| ·笛卡尔积识别法分析 | 第18页 |
| ·专业匹配度的设计 | 第18-19页 |
| ·毕业资格的确认依据 | 第19-20页 |
| 3 人工神经网络及BP算法 | 第20-32页 |
| ·人工神经网络概述 | 第21-26页 |
| ·人工神经网络的生物学基础 | 第21-23页 |
| ·神经网络的学习方式 | 第23-24页 |
| ·神经网络的特点及其基本功能 | 第24页 |
| ·神经网络的两种基本结构 | 第24-25页 |
| ·人工神经网络的学习规则 | 第25-26页 |
| ·反向传播算法(BP算法) | 第26-32页 |
| ·BP神经网络的基本模型和基本特征 | 第26-27页 |
| ·BP学习算法 | 第27-30页 |
| ·BP学习算法的改进 | 第30-32页 |
| 4 基于人工神经网络的专业识别模型的架构与实现 | 第32-38页 |
| ·按课程性质分类进行专业识别的设计思想 | 第32页 |
| ·网络输入层、输出层设计 | 第32-34页 |
| ·隐层及其节点数的确定 | 第34-35页 |
| ·网络初始值的选取 | 第35页 |
| ·训练样本集的设计及样本数据的预处理 | 第35-38页 |
| ·训练样本集的设计 | 第35-37页 |
| ·样本数据的预处理 | 第37-38页 |
| ·BP网络的训练与测试 | 第38页 |
| 5 学业资格确认方法及专业匹配度查询系统设计 | 第38-46页 |
| ·学业资格确认的算法 | 第38-42页 |
| ·基于校园网的专业匹配度查询系统设计 | 第42-46页 |
| ·查询系统设计要求 | 第42-43页 |
| ·数据库服务器的架构 | 第43页 |
| ·实际执行教学计划查询 | 第43-44页 |
| ·专业匹配度结果查询 | 第44-46页 |
| 6 总结与展望 | 第46-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50-51页 |
| 攻读工程硕士期间发表论文情况 | 第51页 |