基于神经网络的高温合金组织性能分析
摘要 | 第1-5页 |
Abstract | 第5-8页 |
第一章 绪论 | 第8-11页 |
参考文献 | 第10-11页 |
第二章 文献综述 | 第11-33页 |
·人工神经网络概述 | 第11-14页 |
·人工神经网络的发展现状 | 第11-13页 |
·人工神经网络的种类 | 第13-14页 |
·人工神经网络的特点 | 第14页 |
·人工神经网络基础 | 第14-22页 |
·人工神经元模型 | 第14-15页 |
·常用的神经元传递函数 | 第15-16页 |
·BP网络及其学习算法 | 第16-21页 |
·BP算法的改进 | 第21-22页 |
·人工神经网络在材料科学中的应用 | 第22-26页 |
·在数据处理中的应用 | 第22-23页 |
·在材料设计中的应用 | 第23-24页 |
·在分析、预测材料性能中的应用 | 第24-26页 |
·在高温合金中的应用 | 第26页 |
·选题目的及意义 | 第26-28页 |
·高温合金的发展 | 第26-27页 |
·单晶高温合金的应用 | 第27-28页 |
·细晶铸造技术 | 第28页 |
·研究内容 | 第28-31页 |
参考文献 | 第31-33页 |
第三章 网络模型构件及学习 | 第33-43页 |
·BP网络设计 | 第33-35页 |
·隐层数目的选择 | 第33-34页 |
·隐层单元数的选择 | 第34页 |
·网络初始值的设定 | 第34-35页 |
·网络拓扑结构 | 第35-37页 |
·输入输出参数的确定 | 第35-36页 |
·传递函数的确定 | 第36-37页 |
·样本数据 | 第37-39页 |
·样本数据的搜集 | 第37-38页 |
·样本数据的选择 | 第38页 |
·样本数据的预处理 | 第38页 |
·样本数据的更新 | 第38-39页 |
·网络训练学习 | 第39-42页 |
·网络的学习算法 | 第39-40页 |
·BP算法的改进 | 第40-42页 |
参考文献 | 第42-43页 |
第四章 单晶高温合金组织性能预测 | 第43-55页 |
·实验设备及工艺 | 第43-46页 |
·定向凝固技术 | 第43-44页 |
·实验设备和材料 | 第44-45页 |
·单晶制备工艺 | 第45-46页 |
·神经网络预测 | 第46-50页 |
·工艺参数-组织预测 | 第46-48页 |
·组织-性能预测 | 第48-50页 |
·网络预测结果分析 | 第50-53页 |
·工艺参数-组织分析 | 第50-51页 |
·组织-性能分析 | 第51-53页 |
·网络预测值的实验验证 | 第53-54页 |
参考文献 | 第54-55页 |
第五章 细晶高温合金组织性能预测 | 第55-67页 |
·实验设备及工艺 | 第55-58页 |
·实验用合金 | 第55-56页 |
·实验设备 | 第56-57页 |
·细晶制备工艺 | 第57页 |
·组织性能检测 | 第57-58页 |
·神经网络预测 | 第58-63页 |
·工艺-组织预测 | 第59-60页 |
·组织-性能预测 | 第60-63页 |
·网络预测结果分析 | 第63-65页 |
·工艺参数-组织分析 | 第63-64页 |
·组织-性能分析 | 第64-65页 |
·网络预测值的实验验证 | 第65-66页 |
参考文献 | 第66-67页 |
第六章 结论 | 第67-68页 |
硕士期间发表论文 | 第68-69页 |
致谢 | 第69-70页 |