基于遗传神经网络优化ASSEL轧辊的辊型设计
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-10页 |
| 2 BP神经网络与遗传算法 | 第10-19页 |
| ·人工神经网络 | 第10页 |
| ·BP神经网络 | 第10-11页 |
| ·BP神经网络算法描述 | 第10页 |
| ·BP神经网络学习过程 | 第10-11页 |
| ·BP网络的结构设计准则和方法 | 第11页 |
| ·激励函数的优化组合 | 第11页 |
| ·BP算法的限制与不足 | 第11页 |
| ·BP算法的改进 | 第11页 |
| ·遗传算法 | 第11-15页 |
| ·遗传算法的定义 | 第11-12页 |
| ·遗传算法的特点 | 第12页 |
| ·遗传算法的应用 | 第12-14页 |
| ·遗传算法的不足 | 第14页 |
| ·遗传算法常用的改进方法 | 第14-15页 |
| ·遗传算法与 BP算法结合 | 第15-19页 |
| ·BP神经网络和遗传算法的结合算法 | 第15-16页 |
| ·遗传算法在神经网络设计中的应用 | 第16-17页 |
| ·遗传神经网络的编码方式 | 第17页 |
| ·本论文遗传神经网络结合的算法 | 第17-19页 |
| 3 基于遗传神经网络优化ASSEL轧辊的辊型设计 | 第19-79页 |
| ·总体思路 | 第19页 |
| ·建立遗传神经网络推理模型 | 第19-25页 |
| ·确立输入输出模式的映射关系 | 第20页 |
| ·设计神经网络的拓扑结构 | 第20页 |
| ·数据采集 | 第20-22页 |
| ·数据变换 | 第22-24页 |
| ·确定隐含层数和隐含层神经元个数 | 第24-25页 |
| ·BP网络权值学习的实数编码遗传算法 | 第25-29页 |
| ·基于遗传算法获得神经网络加权矩阵的学习方法 | 第25页 |
| ·遗传算法的各项参数的确定 | 第25-29页 |
| ·遗传算法流程图 | 第29页 |
| ·BP算法 | 第29-33页 |
| ·正向传播 | 第29-30页 |
| ·误差反向传播 | 第30页 |
| ·BP算法流程图 | 第30-32页 |
| ·BP算法训练结果 | 第32-33页 |
| ·建立遗传神经网络推理模型程序实现 | 第33-52页 |
| ·推导ASSEL轧辊辊型特征参数 | 第52-60页 |
| ·计算出每一指定规格管材的轧辊特征参数 | 第52-58页 |
| ·遗传算法建立 ASSEL轧机辊型特征参数 | 第58-60页 |
| ·推理辊型特征参数程序实现 | 第60-79页 |
| 4 总结和展望 | 第79-80页 |
| 5 参考文献 | 第80-85页 |
| 6 论文发表情况 | 第85-86页 |
| 7 致谢 | 第86页 |
