基于小波神经网络改进算法的混合气体检测方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题的意义 | 第10-11页 |
| ·混合气体检测研究现状 | 第11-12页 |
| ·小波神经网络的发展历史与研究现状 | 第12-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 混合气体检测的基本理论和方法 | 第16-31页 |
| ·气体传感器技术基本理论 | 第16-23页 |
| ·多传感器信息融合理论 | 第23-27页 |
| ·神经网络基本理论 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 小波神经网络基础 | 第31-46页 |
| ·小波理论基础 | 第31-34页 |
| ·小波神经网络的结构 | 第34页 |
| ·经典小波神经网络 | 第34-37页 |
| ·多层前馈神经网络的映像能力 | 第37-38页 |
| ·小波神经网络的函数逼近能力 | 第38-39页 |
| ·小波神经网络与MLP 的比较 | 第39-40页 |
| ·小波神经网络函数逼近Matlab 仿真实验 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 小波神经网络改进算法研究 | 第46-64页 |
| ·算法的推导 | 第46-56页 |
| ·小波神经网络误差反传算法改进 | 第56-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 系统设计及Matlab 仿真实验 | 第64-79页 |
| ·系统总体设计 | 第64页 |
| ·系统硬件组成 | 第64-66页 |
| ·神经网络模型的建立与参数选择 | 第66页 |
| ·神经网络训练算法 | 第66-67页 |
| ·混合气体定性分析 | 第67-72页 |
| ·混合气体定量检测 | 第72-76页 |
| ·系统误差产生原因分析及减小措施 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第86-87页 |
| 致谢 | 第87-88页 |
| 作者简介 | 第88页 |
