| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-10页 |
| 第一章 智能决策支持系统 | 第10-18页 |
| ·决策支持系统 | 第10-12页 |
| ·决策支持系统的结构组成 | 第10-11页 |
| ·决策支持系统所应用的领域 | 第11-12页 |
| ·普通决策支持的实现过程 | 第12页 |
| ·智能决策支持系统 | 第12-18页 |
| ·智能决策支持系统的结构组成 | 第12-13页 |
| ·智能决策支持系统的类型 | 第13-15页 |
| ·智能决策支持系统的集成形式 | 第15-17页 |
| ·智能决策支持系统中模型系统的功能 | 第17-18页 |
| 第二章 人工神经网络概述 | 第18-27页 |
| ·人工神经网络基本概念 | 第18-21页 |
| ·人工神经网络的学习 | 第21-22页 |
| ·学习方式 | 第21页 |
| ·学习规则 | 第21-22页 |
| ·人工神经网络的研究现状及应用 | 第22-24页 |
| ·人工神经网络在智能决策支持系统中的应用 | 第24-27页 |
| ·基于人工神经网络的智能决策支持系统总体框架 | 第24-25页 |
| ·神经网络用于智能决策支持的适应性分析 | 第25-27页 |
| 第三章 基于神经网络的智能决策支持 | 第27-38页 |
| ·误差反向传播神经网络 | 第27-32页 |
| ·网络概述 | 第27-28页 |
| ·双隐层BP 网络的计算方法 | 第28-31页 |
| ·BP 网络目前存在的缺点及需要改进的方面 | 第31-32页 |
| ·基于遗传神经网络的智能决策支持 | 第32-38页 |
| ·概述 | 第32-33页 |
| ·遗传算法的原理 | 第33页 |
| ·遗传算法的求解过程 | 第33-35页 |
| ·遗传算法的特点 | 第35-36页 |
| ·遗传算法与神经网络的融合 | 第36-37页 |
| ·遗传-BP 结合算法 | 第37-38页 |
| 第四章 基于模糊神经网络的智能决策支持 | 第38-47页 |
| ·模糊逻辑系统的组成 | 第38-40页 |
| ·模糊规则库 | 第38-39页 |
| ·模糊推理机 | 第39页 |
| ·模糊产生器和反模糊化器 | 第39-40页 |
| ·模糊系统与神经网络的融合 | 第40-43页 |
| ·智能决策支持的加权模糊推理方法 | 第43-47页 |
| ·加权模糊逻辑推理 | 第43页 |
| ·加权模糊推理元 | 第43-44页 |
| ·加权模糊推理网络模型 | 第44页 |
| ·加权模糊推理网络的训练 | 第44-47页 |
| 第五章 基于人工神经网络智能决策支持系统的开发及应用 | 第47-53页 |
| ·开发环境与开发工具 | 第47-48页 |
| ·系统开发环境 | 第47页 |
| ·SqlServer2000 简介 | 第47页 |
| ·Delphi7.0 简介 | 第47-48页 |
| ·系统设计与实现 | 第48-49页 |
| ·在辽河油田储油层伤害类别诊断中的应用 | 第49-50页 |
| ·在吉林油田油管腐蚀失效模式诊断中的应用 | 第50-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 发表文章目录 | 第56-57页 |
| 致谢 | 第57-58页 |
| 详细摘要 | 第58-61页 |