| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景与意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.2.1 国外研究情况 | 第8-9页 |
| 1.2.2 国内研究情况 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-12页 |
| 第二章 AI-ESTATE标准和BP算法的研究 | 第12-20页 |
| 2.1 AI-ESTATE标准介绍 | 第12-15页 |
| 2.1.1 AI-ESTATE概述 | 第12-13页 |
| 2.1.2 AI-ESTATE体系结构 | 第13-15页 |
| 2.2 神经网络算法分析 | 第15-19页 |
| 2.2.1 BP神经网络学习过程 | 第17-19页 |
| 2.2.2 BP神经网络的优点 | 第19页 |
| 2.3 总结 | 第19-20页 |
| 第三章 符合AI-ESTATE标准的BP模型的设计与实现 | 第20-36页 |
| 3.1 CEM公共元素模型分析 | 第21-22页 |
| 3.2 BP信息模型的设计 | 第22-28页 |
| 3.2.1 BP信息模型 | 第22-25页 |
| 3.2.2 BP信息模型的模型化分析 | 第25-28页 |
| 3.3 BP信息模型的实现 | 第28-36页 |
| 3.3.1 诊断软件的系统架构 | 第28页 |
| 3.3.2 BP交换文件的生成 | 第28-32页 |
| 3.3.3 诊断推理机介绍 | 第32-36页 |
| 第四章 基于BP接口的软件原型系统 | 第36-46页 |
| 4.1 原型系统的详细设计 | 第36-40页 |
| 4.1.1 模型管理模块 | 第36-39页 |
| 4.1.2 BP接口 | 第39-40页 |
| 4.2 原型系统的介绍 | 第40-43页 |
| 4.3 实验验证 | 第43-46页 |
| 4.3.1 实验电路 | 第43-45页 |
| 4.3.2 诊断测试 | 第45-46页 |
| 第五章 总结与展望 | 第46-48页 |
| 5.1 论文总结 | 第46页 |
| 5.2 展望 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 附录A 图目录 | 第51-52页 |
| 在学期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |