基于神经网络的印刷油墨质量检测与控制技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-10页 |
| ·本文研究的背景和意义 | 第7页 |
| ·本文研究的背景 | 第7页 |
| ·本文研究的意义 | 第7页 |
| ·神经网络的研究现状 | 第7-9页 |
| ·本文的主要研究内容和方法 | 第9-10页 |
| 第二章 神经网络基本理论 | 第10-21页 |
| ·神经网络的基本概念 | 第10-15页 |
| ·神经网络的应用 | 第10-11页 |
| ·人工神经元模型 | 第11-13页 |
| ·人工神经网络模型 | 第13-14页 |
| ·神经网络的学习方式 | 第14-15页 |
| ·BP 神经网络 | 第15-18页 |
| ·BP 神经网络 | 第15-16页 |
| ·BP 网络的前馈计算 | 第16页 |
| ·BP 网络学习算法的计算步骤 | 第16-17页 |
| ·BP 学习算法的优缺点 | 第17-18页 |
| ·神经网络控制 | 第18-20页 |
| ·控制理论的发展与面临的挑战 | 第18-19页 |
| ·神经网络控制的基本思想 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 BP 神经网络在油墨物理特性检测中的应用 | 第21-27页 |
| ·油墨物理特性评价 | 第21-22页 |
| ·油墨物理特性评价指标 | 第21页 |
| ·油墨物理特性评价指标范围及等级划分 | 第21-22页 |
| ·模型结构的确定 | 第22-23页 |
| ·输入、输出层神经元数的确定 | 第22页 |
| ·隐层数目的确定 | 第22页 |
| ·隐层神经元数的确定 | 第22-23页 |
| ·学习样本的确定及获取 | 第23-26页 |
| ·神经网络学习样本的选择原则 | 第23-24页 |
| ·学习样本的选取方法（正交实验设计法） | 第24-25页 |
| ·神经网络学习样本的确定 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 油墨粘度控制的研究 | 第27-35页 |
| ·PID 控制算法及其发展 | 第27-29页 |
| ·传统 PID 控制算法 | 第27-29页 |
| ·改进型 PID 控制概述 | 第29页 |
| ·基于BP 神经网络的PID 控制算法 | 第29-32页 |
| ·油墨粘度控制系统 | 第32-34页 |
| ·油墨粘度控制仪的设计 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 仿真研究 | 第35-46页 |
| ·油墨检测部分的仿真研究 | 第35-37页 |
| ·油墨粘度控制部分的仿真研究 | 第37-45页 |
| ·实验前提 | 第37-38页 |
| ·仿真实验 | 第38-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 发展与展望 | 第46-47页 |
| 致谢 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 附录A | 第51-75页 |
| 附录B:作者在攻读硕士学位期间发表的论文 | 第75页 |
