| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·神经网络的选矿工艺建模的意义 | 第9页 |
| ·矿物工程数学模型的意义 | 第9页 |
| ·选矿数学模型的应用 | 第9-10页 |
| ·神经网络的发展及其在选矿中的应用 | 第10-13页 |
| ·神经网络的发展 | 第10-11页 |
| ·神经网络在选矿中的应用 | 第11-13页 |
| ·研究的目的、意义、内容及其研究方法 | 第13-15页 |
| ·研究目的 | 第13页 |
| ·研究的意义 | 第13-14页 |
| ·研究内容 | 第14页 |
| ·研究方法 | 第14-15页 |
| 第2章 神经网络概述及BP算法 | 第15-22页 |
| ·人工神经网络简介 | 第15-16页 |
| ·人工神经网络特点 | 第15-16页 |
| ·人工神经网络模型 | 第16页 |
| ·反向传播BP算法 | 第16-22页 |
| ·BP模型 | 第16-17页 |
| ·BP网络的结构和学习规则 | 第17-22页 |
| 第3章 铜炉渣中磨矿工艺参数BP网络实现 | 第22-40页 |
| ·磨矿流程及物料性质简介 | 第22-23页 |
| ·研究中用到的工作参数 | 第23页 |
| ·工作参数数据的采集 | 第23-28页 |
| ·网络学习前的数据的预处理 | 第28-33页 |
| ·BP算法存在的问题及改善措施 | 第33-35页 |
| ·BP网络的限制与不足 | 第33页 |
| ·BP网络的改进方法 | 第33-35页 |
| ·初值选取原则及隐含层节点个数的确定 | 第35-36页 |
| ·初值选取原则 | 第35页 |
| ·BP网络隐层节点个数的确定方法 | 第35-36页 |
| ·BP神经网络的程序实现 | 第36-40页 |
| 第4章 铜炉渣磨矿工艺工作参数预测的BP网络软件系统 | 第40-68页 |
| ·软件系统组成 | 第40-41页 |
| ·系统要求 | 第40页 |
| ·开发工具 | 第40-41页 |
| ·Matlab神经网络工具箱 | 第41-46页 |
| ·神经网络工具箱函数 | 第41-44页 |
| ·Matlab中BP网络的训练过程 | 第44-45页 |
| ·BP网络程序设计的Matlab实现 | 第45-46页 |
| ·程序验证 | 第46-61页 |
| ·BP网络学习算法的确定 | 第46-51页 |
| ·BP网络设计 | 第51页 |
| ·BP网络gdm算法训练与测试 | 第51-61页 |
| ·网络误差分析 | 第61-62页 |
| ·系统界面 | 第62-66页 |
| ·C++builder介绍 | 第62-63页 |
| ·C++ Builder和Matlab的几种接口方式 | 第63-65页 |
| ·Matlab与C混合编程的实现方法 | 第63-64页 |
| ·Matlab引擎简介 | 第64-65页 |
| ·预测系统界面 | 第65-66页 |
| ·小结 | 第66-68页 |
| 第5章 结语 | 第68-70页 |
| ·结论 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 附录:攻读硕士学位期间发表的学术论文 | 第74页 |