首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

人工神经网络在板形板厚综合控制中的应用研究

摘要第1-5页
Abstract第5-12页
第1章 绪论第12-19页
   ·研究的目的和意义第12-13页
   ·人工神经网络的发展第13-15页
   ·神经网络进入轧制领域的可行性分析第15-16页
   ·研究内容、研究方法和预期目标第16-18页
   ·课题来源及论文结构第18-19页
第2章 RBF 神经网络基础第19-29页
   ·神经网络理论基础第19-20页
   ·BP 神经网络基础第20-21页
   ·RBF 神经网络的基础第21-23页
   ·RBF 神经网络的学习第23-27页
     ·随机选取RBF 神经网络数据中心第23-24页
     ·正交最小二乘法第24-25页
     ·自组织学习选取RBF 神经网络的中心第25页
     ·梯度下降法第25-27页
   ·RBF 神经网络与 BP 神经网络的比较第27页
   ·RBF 神经网络的优点和存在的问题第27-28页
   ·本章小结第28-29页
第3章 RBF 神经网络中心选取算法的改进设计第29-64页
   ·现有 RBF 神经网络数据中心选取方法的分析第29-30页
   ·动态k —均值聚类算法第30-35页
     ·动态k —均值聚类算法的步骤第30-32页
     ·动态k —均值聚类算法的流程图第32页
     ·动态k —均值聚类算法的仿真第32-35页
     ·总结第35页
   ·动态RBF 神经网络系统第35-43页
     ·隐含层节点数的动态设计第36-37页
     ·数据中心的优化第37-38页
     ·输出权值的优化第38-39页
     ·RBF 神经网络动态设计步骤第39-40页
     ·仿真结果第40-42页
     ·结论第42-43页
   ·基于 Hough 变换求取 RBF 神经网络数据中心第43-51页
     ·Hough 变换原理第43-45页
     ·基于Hough 变换的RBF 神经网络中心选取算法第45页
     ·数据中心选取方法仿真研究及分析第45-47页
     ·数据中心选取算法的改进第47-48页
     ·改进算法的仿真研究第48-50页
     ·基于 Hough 变换求取 RBF 神经网络数据中心算法的总结第50-51页
   ·基于调整聚类半径的最近邻聚类算法第51-58页
     ·算法的步骤第52-54页
     ·算法的流程图第54页
     ·算法仿真结果及分析第54-57页
     ·基于调整聚类半径的最近邻聚类算法的总结第57-58页
   ·动态衰减调节径向基函数的改进第58-62页
     ·算法步骤第58-59页
     ·仿真结果和分析第59-61页
     ·算法流程图第61页
     ·动态衰减调节径向基函数改进算法的总结第61-62页
   ·本章小结第62-64页
第4章 板形板厚综合控制系统设计及板形模式识别第64-79页
   ·板形板厚综合控制系统数学模型第64-73页
     ·板形板厚综合控制方程第64-66页
     ·板形板厚综合控制的原则第66页
     ·板形板厚综合控制方法的探讨第66-70页
     ·板形板厚综合控制系统的数学模型第70-73页
   ·板形模式识别系统数学模型第73-77页
     ·基于离散Hopfield神经网络识别的板形模式第73-76页
     ·基于 RBF 神经网络识别的板形模式第76-77页
   ·本章小结第77-79页
第5章 板形板厚综合控制系统仿真研究和板形模式识别实现第79-92页
   ·板形板厚综合控制系统仿真研究第79-82页
   ·基于离散 Hopfield 神经网络的板形模式识别实现第82-89页
     ·离散Hopfield 神经网络的基本概念第83-84页
     ·离散Hopfield 神经网络的设计第84-85页
     ·离散Hopfield 神经网络的稳定性分析第85-87页
     ·离散Hopfield 神经网络的训练和仿真第87-89页
   ·基于RBF 神经网络的板形模式识别实现第89-91页
   ·本章小结第91-92页
结论第92-94页
参考文献第94-99页
攻读硕士学位期间承担的科研任务与主要成果第99-100页
致谢第100-101页
作者简介第101页

论文共101页,点击 下载论文
上一篇:移动通信系统中的无线定位技术研究
下一篇:p-ERK、IGF-1R、PTEN及PCNA在病理性瘢痕形成中的作用