人工神经网络及其在X荧光考古研究中的应用
| 1 前言 | 第1-10页 |
| 2 陶片样品的X荧光测量结果和存在问题 | 第10-18页 |
| ·X荧光考古原理 | 第10-16页 |
| ·存在问题 | 第16-18页 |
| 3 人工神经网络概述 | 第18-31页 |
| ·人工神经网络发展的历史回顾 | 第18页 |
| ·人工神经网络的生理基础 | 第18-19页 |
| ·人工神经网络模型 | 第19-22页 |
| ·人工神经网络学习规则 | 第22-23页 |
| ·人工神经网络算法 | 第23页 |
| ·两种人工神经网络概述 | 第23-31页 |
| 4 OLAM网络解谱 | 第31-41页 |
| ·问题的提出和描述 | 第31-32页 |
| ·标准学习样本的获取和处理 | 第32-34页 |
| ·网络结果及参数的构造 | 第34-35页 |
| ·解谱过程及结果检验 | 第35-39页 |
| ·软件实现 | 第39-41页 |
| 5 BP网络解谱 | 第41-58页 |
| ·网络模型及参数的设计 | 第41-44页 |
| ·网络的学习技巧 | 第44-45页 |
| ·网络算法的改进 | 第45-46页 |
| ·解谱过程及结果 | 第46-50页 |
| ·全模式学习及解谱 | 第50-54页 |
| ·软件实现 | 第54-58页 |
| 6 BP网络产地识别 | 第58-67页 |
| ·模式识别及其模型 | 第58-59页 |
| ·产地识别原理 | 第59页 |
| ·标准产地分类 | 第59-60页 |
| ·BP网络产地识别 | 第60-64页 |
| ·产地识别结果的检验 | 第64-65页 |
| ·软件实现 | 第65-67页 |
| 7 网络学习前的数据预处理 | 第67-74页 |
| ·谱数据预处理的必要性 | 第67-68页 |
| ·谱处理方法 | 第68-69页 |
| ·谱处理后的解谱效果和产地识别效果 | 第69-74页 |
| 8 人工神经网络在X荧光考古中的应用 | 第74-77页 |
| 9 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
