径向基神经网络的研究及在粒度软测量中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-22页 |
| ·选题背景及研究意义 | 第10-11页 |
| ·粒度检测方法及在选矿中的应用现状 | 第11-15页 |
| ·离线粒度检测方法 | 第11-12页 |
| ·在线粒度检测方法 | 第12-14页 |
| ·粒度检测方法在选矿中的应用现状 | 第14-15页 |
| ·软测量技术 | 第15-20页 |
| ·软测量技术的发展及研究现状 | 第16页 |
| ·软测量技术的主要内容 | 第16-20页 |
| ·本文的主要内容 | 第20-22页 |
| 第2章 磨矿分级工艺 | 第22-32页 |
| ·选矿工艺简介 | 第22页 |
| ·磨矿分级工艺 | 第22-31页 |
| ·磨矿分级工艺概述 | 第23-26页 |
| ·水力旋流器 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 径向基神经网络基础 | 第32-46页 |
| ·人工神经网络 | 第32-37页 |
| ·人工神经网络的概念及特点 | 第32页 |
| ·人工神经网络的发展及研究现状 | 第32-33页 |
| ·人工神经网络的结构 | 第33-35页 |
| ·人工神经网络的分类 | 第35-37页 |
| ·径向基神经网络的理论基础 | 第37-44页 |
| ·径向基函数 | 第37-38页 |
| ·径向基神经网络的结构及特点 | 第38-39页 |
| ·径向基神经网络的映射关系及映射机理 | 第39-40页 |
| ·径向基神经网络的学习算法 | 第40-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 基于最近邻聚类算法的径向基神经网络及改进 | 第46-58页 |
| ·最近邻聚类算法 | 第46-49页 |
| ·最近邻聚类算法的基本思想 | 第46-47页 |
| ·最近邻聚类算法训练RBF神经网络的流程 | 第47页 |
| ·各参数的影响及选取 | 第47-49页 |
| ·最近邻聚类算法的改进 | 第49-51页 |
| ·变步长方法 | 第49-50页 |
| ·对孤立隐节点的改进 | 第50-51页 |
| ·基于改进的最近邻聚类算法的RBF神经网络 | 第51-53页 |
| ·仿真分析 | 第53-55页 |
| ·太阳黑子数据 | 第53页 |
| ·算法参数设置 | 第53页 |
| ·仿真结果 | 第53-55页 |
| ·本章小结 | 第55-58页 |
| 第5章 水力旋流器溢流粒度分布软测量模型的建立 | 第58-66页 |
| ·建模分析 | 第58页 |
| ·旋流器溢流粒度分布软测量模型的建立 | 第58-61页 |
| ·辅助变量的选取 | 第58-60页 |
| ·数据预处理 | 第60页 |
| ·模型的建立 | 第60-61页 |
| ·模型的校正 | 第61页 |
| ·仿真结果 | 第61-64页 |
| ·本章小结 | 第64-66页 |
| 第6章 结论与展望 | 第66-68页 |
| ·结论 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
