| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-18页 |
| 1.2.1 过程监控方法研究 | 第11-13页 |
| 1.2.2 在线过程监控方法研究 | 第13页 |
| 1.2.3 极限学习机的研究现状 | 第13-16页 |
| 1.2.4 半导体制造过程中的监控研究现状 | 第16-18页 |
| 1.3 论文主要贡献与章节安排 | 第18-20页 |
| 第二章 在线极限学习机方法 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 单隐含层前馈神经网络 | 第20-25页 |
| 2.3 极限学习机 | 第25-28页 |
| 2.4 在线极限学习机 | 第28-30页 |
| 2.5 本章小结 | 第30-32页 |
| 第三章 带权重变化和决策融合的极限学习机在线故障检测的方法 | 第32-49页 |
| 3.1 引言 | 第32-33页 |
| 3.2 带权重变化和决策融合的OS-ELM(WMOS-ELM) | 第33-38页 |
| 3.2.1 在线训练样本权重处理 | 第34-36页 |
| 3.2.2 决策级融合 | 第36-38页 |
| 3.2.3 算法分析 | 第38页 |
| 3.3 实验与结果分析 | 第38-48页 |
| 3.3.1 参数设置 | 第39-40页 |
| 3.3.2 实际分类数据集仿真实验和结果 | 第40-43页 |
| 3.3.3 TE过程实验仿真和结果 | 第43-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 多学习策略和参数优化的在线极限学习机方法及应用 | 第49-69页 |
| 4.1 引言 | 第49-50页 |
| 4.2 简化核策略和权重策略 | 第50-53页 |
| 4.2.1 核学习原理 | 第50-51页 |
| 4.2.2 简化核和权重策略 | 第51-53页 |
| 4.3 差分进化方法 | 第53-55页 |
| 4.4 多学习策略与参数优化的在线极限学习机方法 | 第55-60页 |
| 4.4.1 初始阶段 | 第56-57页 |
| 4.4.2 在线学习阶段 | 第57-60页 |
| 4.5 实验与结果分析 | 第60-67页 |
| 4.5.1 参数设置 | 第61-63页 |
| 4.5.2 回归问题实验 | 第63-65页 |
| 4.5.3 非线性系统识别问题实验 | 第65-66页 |
| 4.5.4 非稳定混沌Mackey-Glass时间序列实验 | 第66-67页 |
| 4.6 本章小结 | 第67-69页 |
| 第五章 基于在线极限学习机的FPC制造过程故障检测 | 第69-78页 |
| 5.1 引言 | 第69页 |
| 5.2 柔性电路板简介 | 第69-72页 |
| 5.3 FPC制造过程故障 | 第72-73页 |
| 5.4 蚀刻工序介绍及其过程参数分析 | 第73-75页 |
| 5.5 实验仿真 | 第75-77页 |
| 5.6 本章小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-89页 |
| 攻读硕士学位期间取得的研究成果 | 第89-90页 |
| 致谢 | 第90-91页 |
| 附件 | 第91页 |
